Um modelo computacional para o diagnóstico de leucemia linfoblástica aguda baseado em aprendizado de máquina e técnicas de processamento de imagens
Autor(a) principal: | |
---|---|
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 (UNICAMP). 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: 3 set. 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 (UNICAMP). 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: 3 set. 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: 3 set. 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_ |
1809189177150930944 |