Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/3387
Título: Segmentação de núcleos reais de citologia cervical com redes neurais convolucionais.
Autor(es): Teixeira, Júlia Azevedo Beatriz
Orientador(es): Bianchi, Andrea Gomes Campos
Carneiro, Cláudia Martins
Membros da banca: Bianchi, Andrea Gomes Campos
Carneiro, Cláudia Martins
Luz, Eduardo José da Silva
Diniz, Débora Nasser
Palavras-chave: Redes Neurais Convolucionais
Células cervicais
Segmentação
Data do documento: 2021
Referência: TEIXEIRA, Júlia Azevedo Beatriz. Segmentação de núcleos reais de citologia cervical com redes neurais convolucionais. 2021. 68 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.
Resumo: Segundo o Instituto Nacional do Câncer, o câncer do colo do útero apresenta 570 mil novos casos no mundo a cada ano e é responsável pela morte de 311 mil mulheres por ano, sendo considerada a quarta causa de morte mais comum de câncer em mulheres. Comumente causado por subtipos de alto risco do HPV (Human papillomavirus), ocorrem alterações celulares que podem ser diagnosticadas pelo exame de Papanicolaou. Embora a implementação do exame tenha diminuído drasticamente os índices de mortalidade, a incidência de falsos positivos caracteriza a alta subjetividade atrelada ao diagnóstico. Esta, se dá pela relação direta da qualidade da análise a experiência do profissional, que também pode ser afetada por diversos fatores, tais como fadiga física e mental. Nesse aspecto, uma alternativa é a inserção da citologia digital no monitoramento de qualidade da rotina laboratorial, de modo a tornar a análise menos suscetível as falhas humanas. O desafio de classificar as células cervicais envolve a pré-segmentação de seus núcleos, visto que diante de anormalidades apresenta variações morfológicas e texturais significativas. Neste trabalho são apresentadas metodologias de segmentação de células que envolvem Redes neurais convolucionais, as arquiteturas U-net e SegNet. Através das bases de dados Herlev, ISBI2014 e Cric Cervix, foram realizados experimentos com diferentes funções de ativação, tamanhos de lote e subconjuntos de dados. Os modelos atingiram 0,9695 para a base de dados Herlev, 0,9783 para ISBI2014 e 0,9429 para Cric Cervix em coeficiente de Dice. A partir desses resultados, conclui-se que a metodologia proposta se mostrou capaz de segmentar núcleos cervicais reais com qualidade, mesmo em situações de sobreposição e diferentes artefatos.
Resumo em outra língua: According to the National Cancer Institute, cervical cancer has 570,000 new cases worldwide each year, and is responsible for the deaths of 311,000 women each year, and is considered the fourth most common cause of cancer death in women. Commonly caused by high-risk subtypes of HPV (Human papillomavirus), cellular changes occur that can be diagnosed by the Pap test. Although the implementation of the exam has drastically reduced mortality rates, the incidence of false positives characterizes the high subjectivity associated with the diagnosis. This is due to the direct relation between the quality of the analysis and professional experience, which can also be affected by several factors, such as physical and mental fatigue. In this aspect, an alternative is the insertion of digital cytology in the quality monitoring of the laboratory routine to make the analysis less susceptible to human failures. The challenge of classifying cervical cells involves the pre-segmentation of their nuclei since in the abnormalities they present significant morphological and textural variations. This paper presents cell segmentation methodologies involving Convolutional Neural Networks, the U-net, and SegNet architectures. Using the Herlev, ISBI2014, and Cric Cervix databases, experiments were performed with different activation functions, batch sizes, and data subsets. The models achieved 0.9695 for the Herlev database, 0.9783 for ISBI2014, and 0.9429 for Cric Cervix in Dice coefficient. From these results, it is concluded that the proposed methodology is able to segment real cervical nuclei with quality, even in situations of overlap and different artifacts.
URI: http://www.monografias.ufop.br/handle/35400000/3387
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_SegmentacaoNucleosReais.pdf3,68 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons