Análise de imagens da próstata baseada em técnicas não lineares

Detalhes bibliográficos
Autor(a) principal: Rezende Junior, Ricardo Agostinho de
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905
Resumo: Orientador: Prof. Dr. Marcelo Zanchetta do Nascimento
id UFBC_1c71a45c15ae566a7fe285faef260d05
oai_identifier_str oai:BDTD:76905
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Análise de imagens da próstata baseada em técnicas não linearesDIMENSÃO FRACTALIMAGENS HISTOLÓGICASCÂNCER DE PRÓSTATAFRACTAL DIMENSIONHISTOLOGICAL IMAGESPROSTATE CANCERPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCOrientador: Prof. Dr. Marcelo Zanchetta do NascimentoDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2015.O câncer de próstata é o segundo que provoca o maior número de vítimas fatais entre os homens, atingindo principalmente a população mundial com idades superiores a 60 anos. Entre os métodos empregados para o diagnóstico médico estão os exames clínicos, laboratoriais e o diagnóstico por imagem, o que pode indicar a necessidade da biópsia da próstata. As biópsias são avaliadas por especialistas para auxiliar na conduta mais adequada de tratamento, desta forma o estudo por imagem histológica é realizado e se destaca como um dos métodos utilizados devido a facilidade de diagnosticar a doença. Porém, ainda existem problemas que precisam ser solucionados para reduzir o número de falsos positivos. Este trabalho apresenta um conjunto de técnicas para identificar e quantificar as regiões de interesse em imagens histológicas da próstata. As análises foram realizadas com dimensão fractal de imagens coloridas e classificadas com SVM com os kernels linear, polinomial e RBF. As regiões de interesses foram segmentadas em núcleos da célula cuboide, lúmens glandulares e tecido estromal e aplicado o cálculo da dimensão fractal. A avaliação de desempenho foi baseada na área sob a curva ROC (AUC) e pela acurácia. Os resultados obtidos com essas ferramentas mostram que o grupo de imagens segmentadas por estroma com magnificação de 100x obtiveram melhores resultados de classificação, obtendo valores de AUC de 92,21% e 86,77% de acurácia para os grupos de tecido normal versus tecido tumoral, obteve 73,53% de acurácia para o grupo tecido normal versus tecido hiperplásico e de 80,00% para o grupo de tecido hiperplásico versus tecido tumoral. O método proposto quantificou tecidos histológicos da próstata com descritores baseados em técnicas não lineares multi-escala. O uso de informações dos canais de cores em conjunto com a segmentação das estruturas foi mais relevante para um sistema de apoio ao diagnóstico.Prostate cancer is the second type of cancer that causes more deaths between men. It affects mainly the population over the age of 60. Laboratory exams and diagnostic imaging are among the methods used for medical diagnosis, which may indicate the need for a prostrate biopsy. Biopsies are evaluated by experts in order to indicate the most appropriate treatment strategy. Hence, the study of histological images stands out as one of the most used methods as it allows an easier diagnosis. However, there are still problems that need to be addressed to reduce the number of false positives. This work presents a set of techniques to identify and quantify regions of interest in histological images of the prostate. Color and greyscale images were analysed using fractal dimension then classified in SVM with linear, polynomial and RBF kernels. Regions of interest were segmented in basal cell cuboid, glandular lumens and stromal tissue and then a fractal dimension was applied. Performance evaluation was based on the area under the ROC curve(AUC) and accuracy. The results obtained by applying these tools show that images segmented by stroma with a magnification of 100x had better classification results, achieving AUC values of 92.21% and 86.77% accuracy for the normal tissue groups versus tumor tissue. Also, in this group of images a level of accuracy of 73.53% for hyperplastic tissue versus normal tissue and 80.00% for hyperplastic tissue versus tumor tissue. The method quantified histological prostate tissue with multi-scale techniques based on nonlinear descriptors. Therefore, the use of information from color channels together with the segmented structures are most relevant to a diagnostic support system.Amate, Flavio CezarKamienski, Carlos AlbertoNascimento, Marcelo Zanchetta doRezende Junior, Ricardo Agostinho de2015info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf84 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70109http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70110Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=76905porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2022-03-21T13:16:54Zoai:BDTD:76905Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2022-03-21T13:16:54Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Análise de imagens da próstata baseada em técnicas não lineares
title Análise de imagens da próstata baseada em técnicas não lineares
spellingShingle Análise de imagens da próstata baseada em técnicas não lineares
Rezende Junior, Ricardo Agostinho de
DIMENSÃO FRACTAL
IMAGENS HISTOLÓGICAS
CÂNCER DE PRÓSTATA
FRACTAL DIMENSION
HISTOLOGICAL IMAGES
PROSTATE CANCER
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
title_short Análise de imagens da próstata baseada em técnicas não lineares
title_full Análise de imagens da próstata baseada em técnicas não lineares
title_fullStr Análise de imagens da próstata baseada em técnicas não lineares
title_full_unstemmed Análise de imagens da próstata baseada em técnicas não lineares
title_sort Análise de imagens da próstata baseada em técnicas não lineares
author Rezende Junior, Ricardo Agostinho de
author_facet Rezende Junior, Ricardo Agostinho de
author_role author
dc.contributor.none.fl_str_mv Amate, Flavio Cezar
Kamienski, Carlos Alberto
Nascimento, Marcelo Zanchetta do
dc.contributor.author.fl_str_mv Rezende Junior, Ricardo Agostinho de
dc.subject.por.fl_str_mv DIMENSÃO FRACTAL
IMAGENS HISTOLÓGICAS
CÂNCER DE PRÓSTATA
FRACTAL DIMENSION
HISTOLOGICAL IMAGES
PROSTATE CANCER
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
topic DIMENSÃO FRACTAL
IMAGENS HISTOLÓGICAS
CÂNCER DE PRÓSTATA
FRACTAL DIMENSION
HISTOLOGICAL IMAGES
PROSTATE CANCER
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
description Orientador: Prof. Dr. Marcelo Zanchetta do Nascimento
publishDate 2015
dc.date.none.fl_str_mv 2015
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70109
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70110
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=76905
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
84 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1813263935420235776

Registros relacionados