Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"

Detalhes bibliográficos
Autor(a) principal: Cuba, Carolina Frayne, 1995-
Data de Publicação: 2020
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/20.500.12733/1640293
Resumo: Orientadores: Alexandre Xavier Falcão, Jancarlo Ferreira Gomes
id UNICAMP-30_bdd6e0d65a0c7e64f4b9a9404df3208d
oai_identifier_str oai::1158115
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 automatizado e quantitativo de ovos de "Schistosoma mansoni"Automated and quantitative diagnosis of Schistosoma mansoni eggsProcessamento de imagensAprendizado de máquinaSchistosoma mansoniRedes neurais convolucionaisMorfologia matemáticaImage processingMachine learningSchistosoma mansoniConvolutional neural networksMathematical morphologyOrientadores: Alexandre Xavier Falcão, Jancarlo Ferreira GomesDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: Parasitos intestinais têm sido responsáveis por vários tipos de doenças em seres humanos, acarretando sérios danos orgânicos e um elevado número de óbitos. As infecções ocasionadas por estes agentes parasitários estão frequentemente relacionadas a falta de higiene e educação da população, bem como, aos serviços de saúde e saneamento precários, comuns em regiões subdesenvolvidas do planeta sujeitas aos climas tropical, subtropical e equatorial. Vários estudos interdisciplinares têm sido propostos para melhorar a manutenção e a qualidade do diagnóstico de parasitos intestinais por intermédio de técnicas de análise de imagem de microscopia óptica. No entanto, poucos são os estudos que analisam imagens obtidas de forma automatizada e, portanto, sujeitas a estarem fora de foco. Esta dissertação de mestrado apresenta uma metodologia para detecção, identificação, e contagem de ovos de Schistosoma mansoni em imagem de microscopia óptica, em que os parasitos podem estar fora de foco. A abordagem foi desenvolvida para auxiliar no diagnóstico automatizado e quantitativo desse agente parasitário. Estratégias baseadas na geração de mapas de saliência e morfologia matemática são utilizadas para detectar os objetos candidatos em cada imagem. A grande quantidade de impurezas e relativa similaridade dos ovos com as mesmas, aliada à necessidade de identificação rápida do maior número possível de parasitos, representam desafios importantes neste projeto. Após a detecção de objetos candidatos, uma rede neural convolucional é aplicada para identificar os ovos de Schistossoma mansoni. Experimentos com as redes VGG-16 e MobileNet mostraram resultados promissores. De todos os 300 ovos contabilizados em nossa base de teste, a metodologia proposta usando a VGG-16 contou 270 ovos. Com o uso da MobileNet foram contabilizados 208 ovosAbstract: Intestinal parasites have been responsible for several types of diseases in humans beings, causing serious physical damage and a high number of deaths. Infections caused by these parasitic agents are often related to the population's lack of hygiene and education, as well as to poor health and sanitation services which are common in underdeveloped regions of the planet where tropical, subtropical and equatorial climates prevail. Several interdisciplinary studies have been proposed to improve the maintenance and the quality of the diagnosis of intestinal parasites using microscopy image analysis techniques. However, there are few studies that analyze those images in an automated way. This master's thesis presents a methodology for the detection, identification, and egg counting of Schistosoma mansoni in optical microscopy images, in which the parasites may be out of focus. The approach was developed to assist in the automated and quantitative diagnosis of this parasitic agent. Strategies based on the generation of saliency maps and mathematical morphology are used to detect candidate objects in each image. The large amount of impurities and the relative similarity of eggs with such elements, coupled with the need to quickly identify the largest possible number of parasites, represent important challenges in this project. After detecting those candidates, a convolutional neural network is applied to identify the Schistossoma mansoni eggs. Experiments with the networs VGG-16 and MobileNet have shown promising results. Of all 300 eggs counted in our test base, the proposed methodology using VGG-16 counted 270 eggs. With the use of MobileNet, 208 eggs were countedMestradoCiência da ComputaçãoMestra em Ciência da ComputaçãoCAPES001[s.n.]Falcão, Alexandre Xavier, 1966-Gomes, Jancarlo Ferreira, 1960-Avila, Sandra Eliza Fontes deCoelho, Clarimar JoséUniversidade Estadual de Campinas (UNICAMP). Instituto de ComputaçãoPrograma de Pós-Graduação em Ciência da ComputaçãoUNIVERSIDADE ESTADUAL DE CAMPINASCuba, Carolina Frayne, 1995-20202020-11-06T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (62 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1640293CUBA, Carolina Frayne. Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni". 2020. 1 recurso online (62 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640293. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1158115Requisitos 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/openAccess2021-02-10T13:08:50Zoai::1158115Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-02-10T13:08:50Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
Automated and quantitative diagnosis of Schistosoma mansoni eggs
title Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
spellingShingle Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
Cuba, Carolina Frayne, 1995-
Processamento de imagens
Aprendizado de máquina
Schistosoma mansoni
Redes neurais convolucionais
Morfologia matemática
Image processing
Machine learning
Schistosoma mansoni
Convolutional neural networks
Mathematical morphology
title_short Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
title_full Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
title_fullStr Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
title_full_unstemmed Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
title_sort Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni"
author Cuba, Carolina Frayne, 1995-
author_facet Cuba, Carolina Frayne, 1995-
author_role author
dc.contributor.none.fl_str_mv Falcão, Alexandre Xavier, 1966-
Gomes, Jancarlo Ferreira, 1960-
Avila, Sandra Eliza Fontes de
Coelho, Clarimar José
Universidade Estadual de Campinas (UNICAMP). Instituto de Computação
Programa de Pós-Graduação em Ciência da Computação
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Cuba, Carolina Frayne, 1995-
dc.subject.por.fl_str_mv Processamento de imagens
Aprendizado de máquina
Schistosoma mansoni
Redes neurais convolucionais
Morfologia matemática
Image processing
Machine learning
Schistosoma mansoni
Convolutional neural networks
Mathematical morphology
topic Processamento de imagens
Aprendizado de máquina
Schistosoma mansoni
Redes neurais convolucionais
Morfologia matemática
Image processing
Machine learning
Schistosoma mansoni
Convolutional neural networks
Mathematical morphology
description Orientadores: Alexandre Xavier Falcão, Jancarlo Ferreira Gomes
publishDate 2020
dc.date.none.fl_str_mv 2020
2020-11-06T00:00:00Z
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/20.500.12733/1640293
CUBA, Carolina Frayne. Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni". 2020. 1 recurso online (62 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640293. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1640293
identifier_str_mv CUBA, Carolina Frayne. Diagnóstico automatizado e quantitativo de ovos de "Schistosoma mansoni". 2020. 1 recurso online (62 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640293. 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/1158115
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 (62 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_ 1809189168648028160

Registros relacionados