Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/2494
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorBianchi, Andrea Gomes Campospt_BR
dc.contributor.advisorCarneiro, Cláudia Martinspt_BR
dc.contributor.authorTrópia, Camila Veloso-
dc.date.accessioned2020-01-28T14:18:22Z-
dc.date.available2020-01-28T14:18:22Z-
dc.date.issued2019-
dc.identifier.citationTRÓPIA, Camila Veloso. Análise de imagens de microscopia do tecido cardíaco. 2019. 40 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2019.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/2494-
dc.description.abstractEste trabalho consiste em desenvolver um algoritmo para segmentação do núcleo de imagens do tecido cardíaco. Para os pesquisadores na microscopia, obter e analisar as imagens é algo rotineiro, mas atualmente são tantas imagens que o maior desafio dessa área não se concentra apenas em obter e processar imagens, mas em reconstruí-las apropriadamente, extrair medidas precisas e também correlacionar os resultados obtidos com a proposição de modelos computacionais para compreender os diversos fenômenos biológicos investigados. O primeiro passo, e talvez o mais complexo para conseguir fazer essa análise computacionalmente, é segmentar as imagens, com o objetivo de encontrar regiões de interesse e aplicar nelas as análises necessárias. Para atingir tal objetivo, inicialmente foi investigado como essas imagens de tecido de coração são obtidas e quais corantes são usados na lâmina para facilitar a identificação dos núcleos celulares. Sabe-se que esses pigmentos permitem a pigmentação de estruturas biológicas de forma diferenciada, logo o uso desses corantes permitem uma segmentação baseada nos critérios biológicos. Em seguida, agrupamos pixels da imagem para obtermos regiões de interesse semelhantes e identificar e rotular os núcleos, gerando uma segmentação automática dos núcleos na imagem. Essa segmentação é importante para o patologista porque o número de núcleos em uma lâmina pode indicar inflamações ou anomalias que estão ocorrendo no tecido analisado. A base de dados usada foi disponibilizada pelo Núcleo de Pesquisas em Ciências Biológicas - NUPEB / UFOP, e é conjunto de 804 imagens de cortes histológicos do tecido do coração. As imagens foram divididas em dois grupos, um para o átrio direito e outro para o ventrículo esquerdo. Além das imagens, também foi disponibilizada uma tabela com o número de células para cada imagem. Os agrupamentos dos pixels foram feitos de forma não supervisionada e usando o algoritmo K-means, diferentes valores de k foram investigados. Os resultados de número de núcleos foram comparados com a contagem feita por um patologista, e esses resultados se aproximaram bastante do resultado obtido pelo profissional, o erro relativo médio foi de 37,74% para k= 4 e de 19,84% para k=5, o que significa que o método automático pode dar resultados semelhantes aos de um patologista e assim, auxiliá-lo na análise.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopen accesspt_BR
dc.rights.uriAn error occurred getting the license - uri.*
dc.subjectProcessamento de imagenspt_BR
dc.subjectAprendizado do computadorpt_BR
dc.titleAnálise de imagens de microscopia do tecido cardíacopt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeSantos, Valéria de Carvalhopt_BR
dc.contributor.refereeDiniz, Débora Nasserpt_BR
dc.contributor.refereeBianchi, Andrea Gomes Campospt_BR
dc.contributor.refereeCarneiro, Cláudia Martinspt_BR
dc.description.abstractenThis work consists of developing an algorithm for nucleus segmentation of cardiac tissue images. For microscopic researchers, obtaining and analyzing images is routine. However, nowadays there are so many images that the biggest challenge in this area is not just about obtaining and processing images, but about properly reconstructing them, extracting accurate measurements and also correlating them. Results obtained by proposing computational models to understand the various biological phenomena investigated. The first, and perhaps the most complex, step to perform this analysis computationally, is to segment the images in order to find regions of interest and apply the necessary analyzes to them. To achieve this goal, it was initially investigated how these heart tissue images are obtained and which dyes are used on the slide to facilitate the identification of cell nuclei. These pigments are known to allow the pigmentation of biological structures in different ways, so the use of these dyes allows segmentation based on biological criteria. We then group pixels on the image to get similar regions of interest and identify and label the cores, generating automatic segmentation of the cores in the image. This segmentation is important for the pathologist because the number of nuclei in a slide may indicate inflammation or anomalies that are occurring in the tissue analyzed. The database used was made available by the Center for Research in Biological Sciences -NUPEB / UFOP, and is a set of 804 images of histological sections of the heart tissue. The images were divided into two groups, one for the right atrium and one for the left ventricle. In addition to the images, a table with the number of cells for each image was also provided. Pixel groupings were done unsupervised and using the K-means algorithm, different k values were investigated. The nucleus number results were compared with the count made by a pathologist, and these results were very close to the results obtained by the professional, the average relative error was 37.74 % for k = 4 and 19.84 % to k = 5, which means that the automatic method can give results similar to those of a pathologist and thus assist him in the analysis.pt_BR
dc.contributor.authorID14.2.4568pt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_AnáliseImagensMicroscopia.pdf2,36 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.