Análise de imagens da próstata baseada em técnicas não lineares

• Ano de defesa: 2015
• Autor(a) principal: Rezende Junior, Ricardo Agostinho de
• Orientador(a): Nascimento, Marcelo Zanchetta do
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do ABC
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia da Informação
• Link de acesso: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70109; http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=76905&midiaext=70109/index.php?codigo_sophia=76905&midiaext=70110

O câncer de próstata é o segundo que provoca o maior número de vítimas fatais entre os homens, atingindo principalmente a população mundial com idades superiores a 60 anos. Entre os métodos empregados para o diagnóstico médico estão os exames clínicos, laboratoriais e o diagnóstico por imagem, o que pode indicar a necessidade da biópsia da próstata. As biópsias são avaliadas por especialistas para auxiliar na conduta mais adequada de tratamento, desta forma o estudo por imagem histológica é realizado e se destaca como um dos métodos utilizados devido a facilidade de diagnosticar a doença. Porém, ainda existem problemas que precisam ser solucionados para reduzir o número de falsos positivos. Este trabalho apresenta um conjunto de técnicas para identificar e quantificar as regiões de interesse em imagens histológicas da próstata. As análises foram realizadas com dimensão fractal de imagens coloridas e classificadas com SVM com os kernels linear, polinomial e RBF. As regiões de interesses foram segmentadas em núcleos da célula cuboide, lúmens glandulares e tecido estromal e aplicado o cálculo da dimensão fractal. A avaliação de desempenho foi baseada na área sob a curva ROC (AUC) e pela acurácia. Os resultados obtidos com essas ferramentas mostram que o grupo de imagens segmentadas por estroma com magnificação de 100x obtiveram melhores resultados de classificação, obtendo valores de AUC de 92,21% e 86,77% de acurácia para os grupos de tecido normal versus tecido tumoral, obteve 73,53% de acurácia para o grupo tecido normal versus tecido hiperplásico e de 80,00% para o grupo de tecido hiperplásico versus tecido tumoral. O método proposto quantificou tecidos histológicos da próstata com descritores baseados em técnicas não lineares multi-escala. O uso de informações dos canais de cores em conjunto com a segmentação das estruturas foi mais relevante para um sistema de apoio ao diagnóstico.