Search

Pesquisa sem auxílio de agências de fomento A segmentação de regiões tumorais em lâminas coradas com hematoxilina e eosina (H&E) é uma tarefa importante para os patologistas no diagnóstico de diferentes tipos de câncer, incluindo câncer derivado da cavidade oral (do inglês, oral squamous cell carcinoma - OSCC). Imagens histológicas de toda a lâmina (do inglês, whole slide image - WSI) são imagens de alta resolução que podem conter células, estruturas celulares e alguns artefatos derivados do processo de aquisição de imagem. Processar essas imagens enormes para descartar áreas não relevantes, mantendo apenas as regiões clinicamente relevantes, é uma tarefa desafiadora. Nesse trabalho é apresentado uma nova abordagem, baseada em redes neurais completamente convolucionais (do inglês, fully convolutional network - FCN), capaz de analisar automaticamente uma WSI para segmentar regiões de tumores da cavidade oral com o objetivo de auxiliar a tomada de decisão do patologista sobre diagnósticos e prognósticos de OSCC. A metodologia proposta utiliza características de cor no espaço de cores HSV para identificar as regiões de tecido em uma etapa de pré-processamento. As regiões do tecido identificadas na WSI são transformadas para o espaço de cores CIE L*a*b* e divididas em subimagens menores. Uma FCN baseada no modelo U-Net, treinada com uma nova estratégia de aumento de dados, é utilizada para localizar e segmentar regiões tumorais a partir das subimagens. Para avaliar a metodologia proposta, uma nova base de imagens com WSIs de tecidos de OSCC corados com H&E foi criada. O método foi testado nesta e em outras bases de imagens disponíveis na literatura, incluindo uma base de WSIs de outro tipo de câncer, alcançando 90% de F1-score na nova base de imagens criada. Para as demais bases de imagens de domínio público o método obteve uma média de 83% de F1-score, mostrando-se robusto e com o potencial para criar uma ferramenta de apoio ao diagnóstico em casos de OSCC. Segmentation of tumor regions in H&E-stained slides is an important task for pathologists while diagnosing different types of cancer, including oral squamous cell carcinoma (OSCC). Whole slide histological images (WSI) are high-resolution images created from tissue sections that can contain many different types of cells, regions, and some artifacts derived from the image acquisition process. Processing these huge images to discard non-relevant areas while keeping only the clinically relevant regions is a challenging task. This work presents a new approach, based on fully convolutional neural networks (FCN), capable of automatically analyzing a WSI to segment regions of oral cavity tumors to aid and enhance the pathologist's decision making on OSCC diagnoses and prognosis. The proposed methodology uses color characteristics in the HSV color space to identify tissue regions in a pre-processing step. The tissue regions identified in the WSI are transformed to the CIE L*a*b* color space and split into smaller sub-images. An FCN segmentation model, based on the U-Net model and trained using a new data augmentation strategy, is used to locate and segment tumor regions from the sub-images. The evaluation of the proposal was tested using public domain image datasets, and a newly created WSI dataset of H&E-stained OSCC tissues. The results have shown a segmentation F1-score of 97% in the new OSCC dataset created. For the public domain image datasets, including a dataset of WSIs from another type of cancer, the proposed method obtained an average F1-score of 83%, proving to be robust and with the potential to develop a tool to support the diagnosis in cases of OSCC. Tese (Doutorado)

FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais No presente trabalho é proposto uma metodologia computacional para o processamento e análise de imagens relativas a embriões da Drosophila melanogaster. Investigações básicas sobre a expressão gênica desse organismo possibilitam conhecimentos fundamentais sobre processos biológicos importantes, como o desenvolvimento e a diferenciação celular. A metodologia apresentada é constituída por seis módulos computacionais desenvolvidos a partir de técnicas de Processamento Digital de Imagens que podem ser aplicados sequencialmente ou individualmente, a saber: (1) Isolamento do embrião, (2) Padronização, (3) Segmentação dos núcleos, (4) Representação dos dados nucleares, (5) Representação dos dados do citoplasma e (6) Quantificação da expressão. Os módulos incluem soluções para padronização dos dados, segmentação de imagens, representação dos dados de expressão gênica e extração de dados quantitativos – sendo útil para análises biológicas que vão desde a identificação do embrião principal na imagem até a visualização dos padrões de expressão gênica. Em conjunto, é oferecido uma solução genérica para o tratamento da complexidade dos dados desse tipo de imagem. Para validação da proposta, foram usadas imagens da superfície dos embriões e das seções sagital e transversa. Essas imagens foram obtidas de bases de imagens públicas (BDGP e FlyEx) e também de bases próprias. Os resultados comprovam que a metodologia proposta é flexível e robusta, uma vez que é capaz de tratar uma ampla variedade de imagens desse domínio. Parte dos métodos propostos tiveram desempenho superiores aos encontrados na literatura. Também são apresentadas interpretações biológicas realizadas a partir dos dados obtidos com a aplicação da metodologia. In this thesis, it is proposed a computational methodology for processing and analysis of Drosophila melanogaster embryos images. Basic investigations of the gene expression in this organism provide fundamental knowledge about important biological processes, such as cell development and differentiation. The methodology consists of six computational modules developed from Digital Image Processing techniques that can be applied sequentially or individually, namely: (1) Embryo isolation, (2) Standardization, (3) Nuclear segmentation, (4) Representation of nuclear data, (5) Representation of cytoplasm data and (6) Expression quantification. The modules include solutions for data standardization, image segmentation, representation of gene expression data and extraction of quantitative gene expression data – being useful for biological analysis ranging from the identification of the main embryo in the image to the visualization of the gene expression patterns. Together, it is offered a generic solution for the treatment of the data complexity of this image type. The proposal was validaded using embryo surface images and sagittal and transverse sections. These images were obtained from public image databases (BDGP and FlyEx) and also from our own databases. The results show that the proposed methodology is flexible and robust, as it handles a wide variety of images in this domain. Part of the proposed methods performed better than those found in the literature. In addition, it is presented the biological interpretations made from the data obtained with the application of the methodology. Tese (Doutorado) 2023-01-15

IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso A segmentação de imagens é uma operação importante em diversas aplicações de visão computacional e processamento de imagem, uma vez que representa o primeiro passo e o mais difícil em uma tarefa de análise de imagem. Um dos fatores que fazem a segmentação um desafio é a existência de objetos agrupados. Para lidar com esse problema, alguns trabalhos focam no desenvolvimento de métodos computacionais que visam a identificação precisa de marcadores na imagem, enquanto que outros se preocupam com o desenvolvimento de técnicas voltadas à seleção de pontos côncavos no contorno de objetos agrupados, bem como, na identificação de pares de pontos correspondentes, os quais são fundamentais para definir as subsequentes linhas de divisão. Nesse contexto, esta dissertação tem como objetivo discutir e comparar três propostas importantes da literatura que lidam com o cenário acima mencionado. Em geral, buscou-se avaliar comparativamente o desempenho dos métodos computacionais propostos pelos trabalhos em estudo. E quando necessário, lacunas inconsistentes foram apontadas, a fim de possibilitar o aprimoramento e qualidade dos mesmos. Evidencia-se que as três propostas examinadas são fortemente dependentes dos parâmetros inseridos pelo usuário para ocorrer sucesso na segmentação final. Assim, existe a necessidade de um conhecimento a priori da imagem, fazendo com que o desempenho caia, especialmente quando se tem um conjunto de imagens que possui objetos ou de várias formas, e/ou extremamente agrupados e/ou com muitas concavidades. Sendo assim, as três propostas avaliadas possuem pontos vulneráveis ao segmentar objetos agrupados, seja por uma lacuna no algoritmo proposto, seja pela necessidade de se ter conhecimento a prior da imagem a ser segmentada, sendo necessário a inserção de parâmetros de forma manual. Logo, isso dificulta a escolha de um método ideal em uma situação prática real. Image segmentation is an important operation in several computer vision and image processing applications, since it represents the first step and most difficult in an image analysis task. One of the factors that make segmentation a challenge is the existence of clustered objects. To deal with this problem, some works focus on the development of computational methods that aim to accurately identify markers in the image, while others are concerned with the development of techniques aimed at selection of concave points on the contourn of clustered objects, as well as in identifying pairs of corresponding points, which are essential to define the subsequent division lines. In this context, this work aims to discuss and compare three important proposals in the literature dealing with the above scenario. In general, it sought to comparatively evaluate the performance of computational methods proposed by the works under study. And when necessary, inconsistent gaps were identified in order to enable improvement and quality. It is evident that the three proposals examined are strongly dependent on user-entered parameters to occur successfully in the final segmentation. Thus, there is a need for a priori knowledge of the image, causing the performance drop, especially when it has a set of images or objects having various shapes, and/or extremely clustered and/or with many concavities. Thus, the three proposals evaluated have vulnerabilities to target clustered objects, either by a gap in the proposed algorithm, or the need to have prior knowledge of the image to be segmented, requiring the insertion of manually parameters. So this makes it difficult to select an optimal method in a real practical situation. Dissertação (Mestrado)

Conselho Nacional de Desenvolvimento Científico e Tecnológico In recent years, the techniques of digital image processing have been widely used in conjunction with other areas of science, including biology. These techniques generally aim to optimize time, increase accuracy and eliminate the subjectivity of the process of simple visual analysis. This increase was motivated mainly by important advances in Computational Biology and the considerable increase of databases of biological image. In this work it is presented a computational method that uses dierent techniques of image processing. The main objective is to achieve the segmentation of cell nuclei contained in sagittal images of Drosophila melanogaster embryos. This task represents an essential step for performing several analyzes about this biological model. The proposed method is based on the estimation of curvature of the object contour, and consists in separating clusters of nuclei through segments drawn between corresponding concave points. This approach is new for this scenario, and contributes to the solution of the problem of aggregated components, recurrent feature in applications related to the segmentation of nuclei. Evaluation methods include approaches to quantify and visualize the average intensity of protein and RNA in intranuclear and cytoplasmic regions of the embryo Drosophila. The quantication method, in particular, allows to obtain the gene expression prole taken along the anterior-posterior axis of the embryo Drosophila. On the other hand, the visualization method includes a new approach for the exhibition of sagittal images, in which the cell nuclei are arranged in a linear conguration. The ecient use of evaluation methods helps the interpretation of the data. In general, methods for nuclear segmentation and evaluation of gene expression represents an essential step for performing various analyzes biological on the Drosophila melanogaster. Experiments were performed to illustrate the performance of the segmentation, when compared to other approaches found in the literature. The results showed that the proposed method is eective qualitatively and quantitatively level. The method can also be used in various applications and elds, such that involve similar congurations. Nos últimos anos, as técnicas de processamento digital de imagens têm sido largamente utilizadas em conjunto com outras áreas da ciência, incluindo a biologia. Estas técnicas geralmente visam otimizar o tempo, aumentar a precisão e eliminar a subjetividade do processo da simples análise visual. Esse crescimento motivou-se, principalmente, por avanços importantes na Biologia Computacional e pelo aumento considerável dos bancos de imagens biológicas. O presente trabalho propõe métodos para segmentação nuclear e avaliação da expressão gênica em imagens da Drosophila melanogaster. O método de segmentação proposto aborda diferentes técnicas de processamento digital de imagens, e consiste em realizar a segmentação automática dos núcleos celulares contidos em imagens sagitais de embriões desse modelo biológico. O método baseia-se na estimativa de curvatura do contorno dos objetos, e consiste em separar núcleos agregados por meio de segmentos traçados entre pontos côncavos correspondentes. A abordagem apresentada é nova para esse cenário, e contribui para a solução do problema de componentes agregados, característica recorrente em aplicações voltadas à segmentação de núcleos. Os métodos de avaliação incluem abordagens para quanticação e visualização da intensidade média de proteína e RNA nas regiões intranuclear e citoplasmática dos embriões de Drosophila. O método de quanticação, em especíco, possibilita obter o perl de expressão gênica assumido ao longo do eixo anterior-posterior dos embriões de Drosophila. Por outro lado, o método de visualização inclui uma nova abordagem para exibição das imagens sagitais, capaz de organizar os núcleos celulares em uma conguração linear. O uso ecientes dos métodos de avaliação auxilia a interpretação dos dados obtidos. Em geral, os métodos para segmentação nuclear e avaliação da expressão gênica representam um passo essencial para a realização de diversas análises biológicas sobre a Drosophila melanogaster. Experimentos foram realizados a m de ilustrar o desempenho da segmentação, quando comparado com outras abordagens comumente encontradas na literatura. Os resultados obtidos demonstraram que o método proposto é ecaz a nível qualitativo e quantitativo. O método pode ainda ser utilizado em diferentes aplicações e áreas, tais que envolvam congurações similares. Mestre em Ciência da Computação