Neste trabalho foi proposto um método e desenvolvido um protótipo para analisar imagens de microscopia de fluorescência obtidas a partir do teste FTA-ABS. Este teste é utilizado como comprovação do diagnóstico da sífilis por meio da identificação da bactéria causadora da doença. Um problema considerável na análise de tais imagens é a subjetividade na interpretação da intensidade de fluorescência apresentada, pois não existe uma descrição formal desse valor, outra dificuldade encontrada trata do baixo contraste entre o objeto de estudo e o fundo da imagem e finalmente a distribuição da fluorescência sobre as bactérias não é uniforme. O método proposto para auxiliar no diagnóstico por meio de análise de imagem consiste de três etapas. A primeira etapa é a de processamento das imagens. Para tal são utilizados algoritmos para aumentar o contraste entre o fundo da imagem e o objeto em estudo. Segue-se a realização da segmentação da imagem, utilizando-se algoritmos de binarização e crescimento de regiões. A segunda etapa realizada é a de classificação de pixels em grupos de cores pré- definidas por meio da utilização de Redes Neurais Artificiais treinadas com o algoritmo Backpropagation. Nesta etapa são treinadas e testadas diversas redes. De posse de todos os pixels classificados realiza-se a interpretação do diagnóstico por meio de técnicas fuzzy.

In this work we have developed a prototype to analyze fluorescence microscopy images obtained from the FTA-ABS. This test is used as confirmation of the diagnosis of syphilis by identifying the bacteria causing the disease. A considerable problem in the analysis of such images is the subjectivity in the interpretation of fluorescence intensity shown, because there is not a formal description of this value, another difficulty is the low contrast between the object of study and the background and finally the distribution of fluorescence on bacteria is not uniform. The proposed methodology for the diagnosis by means of image analysis consists of three stages. The first step is to image processing. For such algorithms are used to increase the contrast between the background image and the object under study. It follows the completion of the segmentation of the image, using algorithms for binarization and region growing. The second step is performed for the classification of pixels into color groups predefined by using Artificial Neural Networks trained with the Backpropagation algorithm. At this stage several neural networks are trained and tested to classify pixels into five classes of different colors. The interpretation of these colors in the third step is accomplished through the use of fuzzy techniques.