• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Thèse de Doctorat
DOI
10.11606/T.76.2004.tde-03122014-115927
Document
Auteur
Nom complet
Daniela Mayumi Ushizima
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2004
Directeur
Jury
Costa, Luciano da Fontoura (Président)
Carvalho, André Carlos Ponce de Leon Ferreira de
Cesar Junior, Roberto Marcondes
Falcão, Alexandre Xavier
Tannus, Alberto
Titre en portugais
Diagnóstico de leucemia linfóide auxiliado por computador
Mots-clés en portugais
Mineração de dados
Reconhecimento de padrões
Visão computacional
Resumé en portugais
O presente trabalho de doutorado visa estudar o diagnóstico de leucemias por meio de processamento das imagens de microscópio óptico de transmissão, em colaboração com médicos hematologistas do HC-FMRP-USP e sob supervisão do Prof. Dr. Marco Zago. Como nem todas as leucemias podem ser diagnosticadas por meio de parâmetros visuais, apenas os casos de leucemia linfóide serão considerados, uma vez que esses são casos onde as células podem ser classificadas visualmente com precisão. A análise citológica é feita por especialistas humanos, cotidianamente em casos de contagem do número de leucócitos e se limitam à avaliação de um número reduzido de amostras pois é uma tarefa repetitiva, minuciosa e especializada. Com a automação desse processo, há possibilidade de maior número de análises de imagens, com geração de informações estatísticas a respeito das células presentes em amostras de sangue. O reconhecimento automático da célula envolve três etapas básicas: a segmentação da imagem, a extração de características e a classificação. A técnica de reconhecimento de padrões adotada para segmentação das imagens de esfregaços de sangue utiliza aprendizagem supervisionada por cor no espaço RGB, gerando imagens binárias contendo as diferentes regiões de interesse: núcleo, citoplasma, fundo e hemácia. O usuário pode treinar o classificador para uma imagem de esfregaço de sangue periférico, segmentar, filtrar e processar várias medidas das ROIs, particularmente do núcleo e citoplasma, considerando parâmetros de forma, textura e cor. A contribuição desse projeto está na elaboração de programas de interface amigável tanto para reconhecimento de padrões quanto para seleção de característica e mineração de dados. O programa de reconhecimento de padrões é baseado em casos de leucócitos normais, de leucemia linfóide crônica, prolinfocítica e tricoleucemia. Para desenvolvimento do programa de reconhecimento de padrões foi necessária uma grande base de dados, que hoje conta com aproximadamente 1.439 imagens, onde cerca de 1.058 são de leucócitos normais e cerca de 381 de leucêmicos
Titre en anglais
Not available
Mots-clés en anglais
Not available
Resumé en anglais
The current PhD project deals with the leukemia diagnosis using optical microscope image processing, in collaboration with hematologists from HC-FMRP-USP and under supervision of Prof. Dr. Marco Zago. Only specific leukemia cases can be diagnosed through visual parameter, therefore only lymphoid leukemias have been considered since these are the cases in which the cells can be classified visually with accuracy. Expert humans have dedicated to leukocyte differential count daily, limiting the analysis to a reduced number of samples since this task is time-consuming and painstaking. The automation of this process would allow to analyze many more images with wide statistical information about each blood smear slide. The cell recognition can be divided in three steps: the image segmentation, the feature extraction and the classification. The pattern recognition technique to color segment the images utilizes supervised learning in the RGB color space, generating binary images containing the different regions of interest: nucleus, cytoplasm, background and red blood cells. The user can train the classifier to segment a particular image, to filter the resulted image, to process and to extract several cell attributes. Particularly, we are interested in the nucleus and the cytoplasm in terms of the shape, size, color and texture. We have developed softwares with user-friendly interface both to pattern recognition and feature selection/datamining. The pattern recognition system is dedicated to recognize normal leukocytes and lymphoid leukemias as chronic lymphocitic, prolymphocitic and Hairy cells. For developing the pattern recognition system, we collected a large database, which contains approximately 1,439 images nowadays, being around 1,058 normal leukocytes and around 381 abnormal lymphocytes
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
DanielaUshizimaD.pdf (10.14 Mbytes)
Date de Publication
2014-12-05
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
Centro de Informática de São Carlos
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2021. Tous droits réservés.