Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada 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/20.500.12733/1640843 |
Resumo: | Orientador: Jancarlo Ferreira Gomes |
id |
UNICAMP-30_08d1d2d56802d96c95edb6966b776f3a |
---|---|
oai_identifier_str |
oai::1161944 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagensDiagnosis of the protozoan Cryptosporidium spp. via digital image analysisDiarreiaCriptosporidioseAprendizado de máquinaDiarrheaCriptosporidiosisMachine learningOrientador: Jancarlo Ferreira GomesDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências MédicasResumo: O diagnóstico de Cryptosporidium spp. em amostras fecais por meio da detecção de oocistos em lâminas para leitura em microscópio de luz convencional carece de atualizações nas abordagens e protocolos que sejam mais práticos, modernos e eficazes, uma vez que a criptosporidiose é uma zoonose de interesse em Saúde Pública, principalmente em países de condições socioeconômicas e infraestrutura de saúde precárias. Nós promomos neste estudo, um passo à frente para o aprimoramento do diagnóstico destes protozoários com ênfase na aplicação no Sistema de Diagnóstico de Parasitos Intestinais (DAPI). Nós apresentamos uma técnica parasitológica pela qual produzimos lâminas com concentração satisfatória de oocistos de Cryptosporidium spp., razoável eliminação de impurezas e com uso de coloração temporária contendo solução de Tricrômico Modificado por Melvin e Brooke a uma concentração de 25% e, em seguida, desenvolvemos um programa computacional para o diagnóstico destes protozoários. O sistema desenvolvido é constituído da seguinte sequência de algoritmos: segmentação em superpixels, aglomeração de regiões, filtragem baseada no tamanho típico dos oocistos, e por fim, aplicação de uma rede neural convolucional. Por meio destes algoritmos, são apresentadas regiões candidatas a possuírem os objetos de interesse (oocistos) com sensibilidade na etapa final de 94.1% e precisão de 81,3%. Nós reduzimos significativamente os fatores de falha na identificação qualitativa deste agente etiológico que são: impossibilidade de morfometria precisa, refringência dos oocistos em preparações temporárias, ausência de contraste entre parasitos e demais estruturas orgânicas ou não, concentração satisfatória de oocistos, campos microscópicos limpos e redução da fadiga dos especialistas. Este estudo permite um passo à frente rumo ao diagnóstico automatizado de Cryptospodidium spp., o que pode ter aplicabilidade no treinamento remoto de profissionais da saúde, no atendimento a altas demandas com custos reduzidos em comparação aos métodos sorológicos e moleculares e implementação viável em programas de Saúde Pública.Abstract: The diagnosis of Cryptosporidium spp. in fecal samples by detecting oocysts on slides under a conventional light microscope requires more practical, modern, and effective approaches and protocols, since cryptosporidiosis is a zoonosis of interest in Public Health, especially in countries with poor socioeconomic conditions and health infrastructure. We propose a step forward for improving the diagnosis of these protozoa with an emphasis on application in the Automated Diagnosis of Gastrintestinal Parasites System (DAPI).To this end, we present a parasitological technique that results in slides with a satisfactory concentration of oocysts, reasonable elimination of impurities, and temporary staining using a solution of trichrome modified by Melvin and Brooke at a concentration of 25%, as well as a computer program specially developed for diagnosing these protozoa, with the following sequence of algorithms: segmentation in superpixels, clustering of patches, filtering based on the typical size of the oocysts, and finally, application of a convolutional neural network. These algorithms point to patches with the potential for containing the objects of interest (oocysts), with 81.3% accuracy and 94.1% recall in the final stage. We significantly reduced the factors jeopardizing the success of the qualitative identification of this etiological agent, which are: impossibility of precise morphometry, refringence of the oocysts in temporary preparations, absence of contrast between parasites and other organic structures or not, satisfactory concentration of oocysts, clear field of view, and reduction in the experts¿ fatigue. This study allows to take a step forward towards the automated diagnosis of Cryptospodidium spp., which may be applicable in the remote training of health professionals, helping meet the high demands with reduced costs compared to serological and molecular methods, making its implementation in Public Health programs viable.MestradoSaúde da Criança e do AdolescenteMestre em CiênciasCAPES001FAPESP2018/21204-7[s.n.]Gomes, Jancarlo Ferreira, 1960-Bresciani, Katia Denise SaraivaBenitez, Aline do NascimentoUniversidade Estadual de Campinas (UNICAMP). Faculdade de Ciências MédicasPrograma de Pós-Graduação em Saúde da Criança e do AdolescenteUNIVERSIDADE ESTADUAL DE CAMPINASLoiola, Saulo Hudson Néry, 1993-20212021-02-12T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online ( 71 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1640843LOIOLA, Saulo Hudson Néry. Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens. 2021. 1 recurso online ( 71 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640843. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1161944Requisitos 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/openAccess2021-03-24T08:34:17Zoai::1161944Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-03-24T08:34:17Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens Diagnosis of the protozoan Cryptosporidium spp. via digital image analysis |
title |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens |
spellingShingle |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens Loiola, Saulo Hudson Néry, 1993- Diarreia Criptosporidiose Aprendizado de máquina Diarrhea Criptosporidiosis Machine learning |
title_short |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens |
title_full |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens |
title_fullStr |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens |
title_full_unstemmed |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens |
title_sort |
Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens |
author |
Loiola, Saulo Hudson Néry, 1993- |
author_facet |
Loiola, Saulo Hudson Néry, 1993- |
author_role |
author |
dc.contributor.none.fl_str_mv |
Gomes, Jancarlo Ferreira, 1960- Bresciani, Katia Denise Saraiva Benitez, Aline do Nascimento Universidade Estadual de Campinas (UNICAMP). Faculdade de Ciências Médicas Programa de Pós-Graduação em Saúde da Criança e do Adolescente UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Loiola, Saulo Hudson Néry, 1993- |
dc.subject.por.fl_str_mv |
Diarreia Criptosporidiose Aprendizado de máquina Diarrhea Criptosporidiosis Machine learning |
topic |
Diarreia Criptosporidiose Aprendizado de máquina Diarrhea Criptosporidiosis Machine learning |
description |
Orientador: Jancarlo Ferreira Gomes |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021 2021-02-12T00:00:00Z |
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/20.500.12733/1640843 LOIOLA, Saulo Hudson Néry. Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens. 2021. 1 recurso online ( 71 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640843. Acesso em: 3 set. 2024. |
url |
https://hdl.handle.net/20.500.12733/1640843 |
identifier_str_mv |
LOIOLA, Saulo Hudson Néry. Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens. 2021. 1 recurso online ( 71 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640843. 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/1161944 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 ( 71 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_ |
1809189170969575424 |