Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/59/59143/tde-10042021-112315/ |
Resumo: | O câncer é a segunda principal causa de morte no mundo e o câncer do cólon está entre os três tipos mais comuns. Normalmente o diagnóstico desta doença é realizado por meio de exames histológicos em lâminas contendo tecido de biópsia, coradas com Hematoxilina e Eusina. As pesquisas visando o diagnóstico baseado em imagens digitais de biópsia têm crescido com rapidez, alavancando o desenvolvimento e o aperfeiçoamento de métodos de processamento de imagens especialmente desenvolvidos ou adaptados para esta categoria. As imagens hiperespectrais, obtidas a partir da medida de absorbância em diferentes frequências de aplicação de raios infravermelhos sobre o tecido, por sua vez, apresentam relações com características histoquímicas valiosas. Neste projeto, foi desenvolvido um método para processamento de sinais hiperespectrais obtidos a partir de amostras de biópsia do tecido do cólon, com a modelagem e a implementação de um classificador para identificação de anomalias, utilizando técnicas de Aprendizagem Profunda, assim como o desenvolvimento de uma ferramenta computacional, visando auxiliar o patologista durante o processo de diagnóstico de câncer do cólon. A partir dos espectros de absorbância de infravermelho de cada pixel pertencente a regiões das amostras previamente identificadas como normais, cancerígenas ou inflamadas, o classificador desenvolvido atingiu valores de acurácia para estas três classes superiores a 94%, indicando que a ferramenta possa ser considerada promissora para o auxílio ao diagnóstico de lesões do cólon, fornecendo uma segunda opinião para os especialistas. |
id |
USP_48792e13a2031f951cd4b2dc70f58970 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-10042021-112315 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectraisColon tissue characterization through the application of deeplearning on hyperspectral imagesAprendizagem profundaCâncer do cólonColon cancerComputer-aided diagnosisDeep learningHyperspectral imagesImagens hiperespectraisSistemas de apoio ao diagnósticoO câncer é a segunda principal causa de morte no mundo e o câncer do cólon está entre os três tipos mais comuns. Normalmente o diagnóstico desta doença é realizado por meio de exames histológicos em lâminas contendo tecido de biópsia, coradas com Hematoxilina e Eusina. As pesquisas visando o diagnóstico baseado em imagens digitais de biópsia têm crescido com rapidez, alavancando o desenvolvimento e o aperfeiçoamento de métodos de processamento de imagens especialmente desenvolvidos ou adaptados para esta categoria. As imagens hiperespectrais, obtidas a partir da medida de absorbância em diferentes frequências de aplicação de raios infravermelhos sobre o tecido, por sua vez, apresentam relações com características histoquímicas valiosas. Neste projeto, foi desenvolvido um método para processamento de sinais hiperespectrais obtidos a partir de amostras de biópsia do tecido do cólon, com a modelagem e a implementação de um classificador para identificação de anomalias, utilizando técnicas de Aprendizagem Profunda, assim como o desenvolvimento de uma ferramenta computacional, visando auxiliar o patologista durante o processo de diagnóstico de câncer do cólon. A partir dos espectros de absorbância de infravermelho de cada pixel pertencente a regiões das amostras previamente identificadas como normais, cancerígenas ou inflamadas, o classificador desenvolvido atingiu valores de acurácia para estas três classes superiores a 94%, indicando que a ferramenta possa ser considerada promissora para o auxílio ao diagnóstico de lesões do cólon, fornecendo uma segunda opinião para os especialistas.Cancer is the second main cause of death in the world and colon cancer is among the most common ones. Usually the diagnosis of this disease is performed by histological examination on blades holding biopsy tissue, stained with Hematoxylin and Eosin. The researches aiming the diagnosis based on digital biopsy images has grown quickly, leveraging the development and improvement of processing images methods specially developed or adapted for this image category. The hyperspectral images, obtained from the absorbance measure in different frequencies of infrared ray applied to the tissue, on the other hand, present relations with valuable histochemical characteristics. In this project, we developed a method for processing hyperspectral signals obtained from biopsy samples of colon tissue, with the modeling and implementation of a classifier to identify anomalies, using Deep Learning techniques, as well as the development of a computational tool, aiming to assist pathologist during the colon cancer diagnosis process. From the infrared absorbance spectrum of each pixel of the sample areas previously identified as normal, cancerous or inflamed, the developed classifier achieved accuracy values for these three groups higher than 94%, indicating that the tool can be considered promising to support the diagnosis of colon injuries, providing a second opinion to the experts.Biblioteca Digitais de Teses e Dissertações da USPFelipe, Joaquim CezarMuniz, Frederico Barbosa2021-03-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/59/59143/tde-10042021-112315/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2021-04-15T22:58:03Zoai:teses.usp.br:tde-10042021-112315Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212021-04-15T22:58:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais Colon tissue characterization through the application of deeplearning on hyperspectral images |
title |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais |
spellingShingle |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais Muniz, Frederico Barbosa Aprendizagem profunda Câncer do cólon Colon cancer Computer-aided diagnosis Deep learning Hyperspectral images Imagens hiperespectrais Sistemas de apoio ao diagnóstico |
title_short |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais |
title_full |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais |
title_fullStr |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais |
title_full_unstemmed |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais |
title_sort |
Caracterização de tecido do cólon por meio da aplicação de aprendizagem profunda sobre imagens hiperespectrais |
author |
Muniz, Frederico Barbosa |
author_facet |
Muniz, Frederico Barbosa |
author_role |
author |
dc.contributor.none.fl_str_mv |
Felipe, Joaquim Cezar |
dc.contributor.author.fl_str_mv |
Muniz, Frederico Barbosa |
dc.subject.por.fl_str_mv |
Aprendizagem profunda Câncer do cólon Colon cancer Computer-aided diagnosis Deep learning Hyperspectral images Imagens hiperespectrais Sistemas de apoio ao diagnóstico |
topic |
Aprendizagem profunda Câncer do cólon Colon cancer Computer-aided diagnosis Deep learning Hyperspectral images Imagens hiperespectrais Sistemas de apoio ao diagnóstico |
description |
O câncer é a segunda principal causa de morte no mundo e o câncer do cólon está entre os três tipos mais comuns. Normalmente o diagnóstico desta doença é realizado por meio de exames histológicos em lâminas contendo tecido de biópsia, coradas com Hematoxilina e Eusina. As pesquisas visando o diagnóstico baseado em imagens digitais de biópsia têm crescido com rapidez, alavancando o desenvolvimento e o aperfeiçoamento de métodos de processamento de imagens especialmente desenvolvidos ou adaptados para esta categoria. As imagens hiperespectrais, obtidas a partir da medida de absorbância em diferentes frequências de aplicação de raios infravermelhos sobre o tecido, por sua vez, apresentam relações com características histoquímicas valiosas. Neste projeto, foi desenvolvido um método para processamento de sinais hiperespectrais obtidos a partir de amostras de biópsia do tecido do cólon, com a modelagem e a implementação de um classificador para identificação de anomalias, utilizando técnicas de Aprendizagem Profunda, assim como o desenvolvimento de uma ferramenta computacional, visando auxiliar o patologista durante o processo de diagnóstico de câncer do cólon. A partir dos espectros de absorbância de infravermelho de cada pixel pertencente a regiões das amostras previamente identificadas como normais, cancerígenas ou inflamadas, o classificador desenvolvido atingiu valores de acurácia para estas três classes superiores a 94%, indicando que a ferramenta possa ser considerada promissora para o auxílio ao diagnóstico de lesões do cólon, fornecendo uma segunda opinião para os especialistas. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-03-03 |
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://www.teses.usp.br/teses/disponiveis/59/59143/tde-10042021-112315/ |
url |
https://www.teses.usp.br/teses/disponiveis/59/59143/tde-10042021-112315/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809090575546187776 |