Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens

Detalhes bibliográficos
Autor(a) principal: Hernández Rodríguez, Cristhian Xavier, 1991-
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1642185
Resumo: Orientador: Marcos Eduardo Ribeiro do Valle Mesquita
id UNICAMP-30_0552a6eb7b208db1ec645ba9831bf204
oai_identifier_str oai::1168719
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagensUn modelo computacional para el diagnóstico de leucemia linfoblástica aguda basado en aprendizaje de máquina y técnicas de procesamiento de imagenesProcessamento de imagens - Técnicas digitaisAlgoritmos de computadorAprendizado de máquinaLeucemia linfóide agudaSegmentação de imagensImages processing - Digital techniquesComputer algorithmsMachine learningAcute lymphoblastic leukemiaImage segmentationOrientador: Marcos Eduardo Ribeiro do Valle MesquitaDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação CientíficaResumo: Neste trabalho faremos uma descrição prática de um algoritmo computacional que utiliza diversas técnicas de processamento digital de imagens e um modelo de aprendizado de máquinas para contar o número de linfoblastos presentes em uma imagem de esfregaço sanguíneo obtida por microscópio com a finalidade de contribuir com o diagnóstico da leucemia linfoblástica aguda. Em concreto, o algoritmo recebe uma imagem colorida, faz uma eliminação de ruído e posteriormente uma binarização ótima que permite usar morfologia matemática para estimar o diâmetro das células presentes na imagem. Mediante técnicas de segmentação, o algoritmo localiza possíveis células brancas na imagem e, com ajuda do diâmetro estimado, gera automaticamente sub-imagens enquadrando cada célula. As sub-imagens são analisadas por uma rede neural convolucional que classifica a célula como um linfoblasto, se for o caso, ou uma célula saudável. Finalmente, o algoritmo retorna uma imagem igual à inicial mas com os linfoblastos marcados e a quantidade deles. Para avaliar seu desempenho, o modelo foi executado em 108 imagens de esfregaço de sangue nas duas formas de avaliação da base ALL-IDB disponibilizada pela ''Università Degli Studi di Milano'': uma focada na classificação da célula como linfoblasto e outra no diagnóstico do paciente com base na imagem do esfregaço de sangue. Obtivemos uma especificidade de $98.04\%$ e $100\%$ respectivamenteAbstract: In this work, we will provide a practical description of a computational algorithm that uses several digital image processing techniques and a machine learning model to count the number of lymphoblasts present in a blood smear image obtained by microscope as a way to contribute to the diagnosis of acute lymphoblastic leukemia. Specifically, the algorithm receives a color image, the elimination of noise is performed to subsequently achieve an optimal binarization, which allows for the use of mathematical morphology to estimate the diameter of the cells present in the image. Through segmentation techniques, the algorithm locates possible white cells in the image and, with the estimated diameter, automatically generates sub-images for each one of them, digitally cutting a square segment where they appear. These sub-images are analyzed by a convolutional neural network that classify each white cell as a lymphoblast or a healthy cell. Finally, the algorithm returns an image equal to the initial image but with the lymphoblasts annotated and their quantity. To assess its performance, the model was executed on 108 blood smear images in the two forms of assessment of the ALL-IDB base provided by the ''Università Degli Studi di Milano'': one focused on the classification of the cell as a lymphoblast and the other on the diagnosis of the patient based on the blood smear image. We obtained a recall about $98.04\%$ and $100\%$ respectivelMestradoMatemática AplicadaMestre em Matemática AplicadaCAPES001[s.n.]Mesquita, Marcos Eduardo Ribeiro do Valle, 1979-Hirata, Nina Sumiko TomitaFlorindo, João BatistaUniversidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em Matemática AplicadaUNIVERSIDADE ESTADUAL DE CAMPINASHernández Rodríguez, Cristhian Xavier, 1991-20212021-06-15T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (80 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1642185HERNÁNDEZ RODRÍGUEZ, Cristhian Xavier. Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens. 2021. 1 recurso online (80 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1642185. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1168719https://repositorio.unicamp.br/acervo/detalhe/1168719Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2021-10-08T11:48:06Zoai::1168719Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-10-08T11:48:06Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
Un modelo computacional para el diagnóstico de leucemia linfoblástica aguda basado en aprendizaje de máquina y técnicas de procesamiento de imagenes
title Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
spellingShingle Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
Hernández Rodríguez, Cristhian Xavier, 1991-
Processamento de imagens - Técnicas digitais
Algoritmos de computador
Aprendizado de máquina
Leucemia linfóide aguda
Segmentação de imagens
Images processing - Digital techniques
Computer algorithms
Machine learning
Acute lymphoblastic leukemia
Image segmentation
title_short Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
title_full Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
title_fullStr Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
title_full_unstemmed Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
title_sort Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
author Hernández Rodríguez, Cristhian Xavier, 1991-
author_facet Hernández Rodríguez, Cristhian Xavier, 1991-
author_role author
dc.contributor.none.fl_str_mv Mesquita, Marcos Eduardo Ribeiro do Valle, 1979-
Hirata, Nina Sumiko Tomita
Florindo, João Batista
Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Matemática Aplicada
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Hernández Rodríguez, Cristhian Xavier, 1991-
dc.subject.por.fl_str_mv Processamento de imagens - Técnicas digitais
Algoritmos de computador
Aprendizado de máquina
Leucemia linfóide aguda
Segmentação de imagens
Images processing - Digital techniques
Computer algorithms
Machine learning
Acute lymphoblastic leukemia
Image segmentation
topic Processamento de imagens - Técnicas digitais
Algoritmos de computador
Aprendizado de máquina
Leucemia linfóide aguda
Segmentação de imagens
Images processing - Digital techniques
Computer algorithms
Machine learning
Acute lymphoblastic leukemia
Image segmentation
description Orientador: Marcos Eduardo Ribeiro do Valle Mesquita
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-06-15T00:00:00Z
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 https://hdl.handle.net/20.500.12733/1642185
HERNÁNDEZ RODRÍGUEZ, Cristhian Xavier. Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens. 2021. 1 recurso online (80 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1642185. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1642185
identifier_str_mv HERNÁNDEZ RODRÍGUEZ, Cristhian Xavier. Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens. 2021. 1 recurso online (80 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1642185. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1168719
https://repositorio.unicamp.br/acervo/detalhe/1168719
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (80 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138565065539584

Registros relacionados