Diagnóstico do protozoário Cryptosporidium spp. por meio de análise computadorizada de imagens

Detalhes bibliográficos
Autor(a) principal: Loiola, Saulo Hudson Néry, 1993-
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