• 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
 
 
Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.95.2020.tde-14122020-180409
Documento
Autor
Nome completo
Diogo Matos da Silva
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2020
Orientador
Banca examinadora
Nakaya, Helder Takashi Imoto (Presidente)
Batista Neto, João do Espírito Santo
Lana, Marta de
Silber, Ariel Mariano
Título em português
Análise e reconhecimento da forma tripomastigota de Trypanosoma cruzi para parasitemia automatizada em imagens com baixa densidade de pontos
Palavras-chave em português
Aprendizado de máquina
Parasitemia
SVM
Trypanosoma cruzi
Resumo em português
A detecção de parasitas no sangue periférico é prova definitiva de infecção de Trypanosoma cruzi em vertebrados. O acompanhamento da parasitemia de T. cruzi em camundongos infectados é necessário tanto para a manutenção da cepa estudada em animais no laboratório, quanto para se inferir a modulação da infecção por diferentes tratamentos. A análise de amostras por esfregaço sanguíneo é utilizada para estudos morfométricos, mas apresenta baixa sensibilidade quando utilizada para parasitemia manual. É preferível que a contagem seja realizada de forma automatizada com máxima sensibilidade, em menor intervalo de tempo e com menores custos. Técnicas de processamento de imagens e reconhecimento de padrões já vêm sendo utilizadas em micrografias digitais com boa resolução para impressão, a partir de 300 ppp (pontos por polegada). Propomos a aplicação dessas técnicas em imagens com baixa densidade de pontos por polegada para parasitemia da cepa Y de T. cruzi, na forma tripomastigota. Analisamos microgafias de esfregaço sanguíneo coradas com Giemsa que foram obtidas com câmeras de dispositivos móveis. As câmeras desses aparelhos são capazes de capturar imagens com 72 ppp em uma área de 4000x3000 pixels, ou 12 megapixels. Realizamos a extração de um conjunto de descritores composto por medidas geométricas, de curvatura e de cor e textura do cinetoplasto e do núcleo de 2304 parasitos. Os descritores extraídos foram separados em conjuntos de treinamento e de teste e classificados com SVM. Os resultados de precisão, sensibilidade, especificidade e área ROC do método proposto foram de 91,4%, 91,7%, 97,9% e 94,5%, respectivamente. Nossos resultados demonstram que a automatização da análise de imagens com baixa densidade de ppp é uma alternativa viável para a redução de custos e ganho de eficiência na utilização do microscópio ótico.
Título em inglês
Image analysis and recognition of the tripomastigote form of Trypanosoma cruzi for automated quantification of parasites in images with low densitiy of points
Palavras-chave em inglês
Machine learning
Parasitemia
SVM
Trypanosoma cruzi
Resumo em inglês
Detection of parasites in peripheral blood presents complete proof of Trypanosoma cruzi infection in vertebrates. Monitoring of T. cruzi parasitemia in infected mice is necessary for maintaining the strain studied in laboratory animals and for inferring the modulation of infection by different treatments. The analysis of blood smear samples is used for morphometric studies, but it presents low sensitivity when used for manual parasitemia. It is preferable to perform an automated couting with maximum sensitivity, in a shorter time, and with lower costs. Image processing and pattern recognition techniques have already been used in digital micrographs with good resolution for printing, from 300 dpi (dots per inch). We propose the application of these techniques in images with low density of dots per inch in the parasitemia of strain Y of T. cruzi, in trypomastigote form. We analyzed micrographs of blood smear stained with Giemsa obtained using mobile device cameras. Those cameras are capable of capturing images with 72 dpi in an area of 4000x3000 pixels, or 12 megapixels. We extracted a set of descriptors composed of geometric, curvature, color and texture measurements of the kinetoplast and nucleus of 2304 parasites. Those descriptors were divided into training and test sets and classified using SVM. The values of precision, sensitivity, specificity, and ROC area of the proposed method were 91.4%, 91.7, 97.9% and 94.5%, respectively. Automating image analysis with low dpi density is a viable alternative for reducing costs and gain efficiency in the use of the optical microscope.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2021-02-15
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.