Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Felipe, Gustavo Zanoni
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual de Maringá
Departamento de Informática
Programa de Pós-Graduação em Ciência da Computação
Maringá, PR
Centro de Tecnologia
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
identificaçäo adesiva
Imagens médicas
Aprendizagem de máquina
Sistema nervoso entérico
Tumor de Walker-256
006.32
Ciências Exatas e da Terra
Ciência da Computação
Link de acesso: http://repositorio.uem.br:8080/jspui/handle/1/8425
Resumo: Orientador: Prof. Dr. Yandre Maldonado e Gomes da Costa
id UEM-10_4912d7274ac50664f8a9dc1908eabec6
oai_identifier_str oai:localhost:1/8425
network_acronym_str UEM-10
network_name_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository_id_str
spelling Identificação automática de câncer experimental a partir de imagens do sistema nervoso entéricoidentificaçäo adesivaImagens médicasAprendizagem de máquinaSistema nervoso entéricoTumor de Walker-256006.32Ciências Exatas e da TerraCiência da ComputaçãoOrientador: Prof. Dr. Yandre Maldonado e Gomes da CostaCoorientador: Prof. Dr. Rodolfo Miranda PereiraDissertação (mestrado em Ciência da Computação)-Universidade Estadual de Maringá, 2022RESUMO: Pesquisas sobre o Sistema Nervoso Entérico (SNE) mostraram que diferentes doenças crônico- degenerativas afetam os neurônios entéricos (CNE) e as células gliais entéricas (CGE) de uma maneira observável, tanto em relação à forma quanto à quantidade. Assim, a busca por métodos automáticos que nos ajudem a avaliar quando essas células são afetadas é bastante oportuna. Além disso, a análise de imagens pré-clínicas se destaca por não ser invasiva e evitar a exposição de pacientes humanos ao risco de morte ou invalidez permanente. Sendo assim, esse trabalho objetivou identificar se uma determinada imagem do SNE pertence a um indivíduo doente, considerando um modelo experimental de câncer: o tumor de Walker-256. O conjunto de dados de imagens do SNE aqui utilizado foi criado por pesquisadores do Laboratório de Plasticidade Neural Entérica da Universidade Estadual de Maringá, sendo composto por imagens obtidas de 13 animais (ratos Wistar machos adultos) distribuídos em duas classes: controle/saudável ou doente. Para cada animal, foram obtidas 32 amostras de imagens. Cada amostra de imagem foi criada com três configurações distintas, alternando o tipo de células do SNE observadas (CNE, CGE ou ambas), totalizando 1248 imagens. Para atingir o objetivo, foram abordadas diferentes técnicas de extração de características, incluindo a extração de características nos modos handcrafted e non-handcrafted/automated learned, para posterior classificação com o algoritmo Support Vector Machines. Além de ser abordado o uso de Convolutional Neural Networks, visando avaliar o desempenho de técnicas de fine tuning por meio de transfer learning. Ao final deste trabalho, foi alcançado no melhor caso um valor de F1-Score de 0,9903 utilizando- se do descritor de textura Local Phase Quantization e a combinação de classificadores obtidos a partir dos diferentes tipos de imagem. Até onde se sabe, essa pesquisa é pioneira na investigação do conteúdo dos tipos de imagens aqui explorados, com a finalidade de categorização automática de câncer (tumor de Walker-256)ABSTRACT: Previous research on the Enteric Nervous System has shown that different chronic degenerative diseases affect the Enteric Neurons and Enteric Glial Cells in an observable way, i.e., it affects the cells in shape and quantity. Thus, the search for automatic methods that can help us to evaluate when these cells are affected is quite opportune. Preclinical imaging analysis is outstanding because it is non-invasive and avoids exposing patients to the risk of death or permanent disability. In this work our goal was to identify if a given ENS image belonged to a sick individual, considering a specific cancer experimental model: Walker-256 tumor. The ENS image database used was created by researchers from the Enteric Neural Plasticity Laboratory of the State University of Maringá, being composed of images taken from 13 animals (male adult Wistar rats) distributed in two different classes: control/healthy or sick. For each animal, 32 image samples were obtained. Each image sample was created with three distinct configurations that targeted different ENS cell visualization (ENC, EGC, or both), for a total of 1248 images. To accomplish the aforementioned goal, different feature extraction techniques were evaluated, including the extraction of handcrafted and non-handcrafted features, for latter classification with the Support Vector Machines algorithm. Finally, the use of Convolutional Neural Networks was approached, aiming to evaluate the performance of fine tuning techniques through transfer learning. The highest F1-Score reached was 0.9903. This result was achieved with Local Phase Quantization texture features and combining the results of classifiers obtained from different image types. As far as we know, this research pioneers the investigation of the explored image types’ content, aiming to automatically classify cancer (Walker-256 tumor)83, 29 f. : il. (algumas color.).Universidade Estadual de MaringáDepartamento de InformáticaPrograma de Pós-Graduação em Ciência da ComputaçãoMaringá, PRCentro de TecnologiaCosta, Yandre Maldonado e Gomes daPereira, Rodolfo MirandaFlores, Franklin CésarFoleis, Juliano HenriqueFelipe, Gustavo Zanoni2024-12-17T18:41:57Z2024-12-17T18:41:57Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFELIPE, Gustavo Zanoni. Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico. 2022. 83, 29 f. Dissertação (mestrado em Ciência da Computação)-Universidade Estadual de Maringá, 2022, Maringá, PR.http://repositorio.uem.br:8080/jspui/handle/1/8425info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)instname:Universidade Estadual de Maringá (UEM)instacron:UEM2025-01-07T13:50:33Zoai:localhost:1/8425Repositório InstitucionalPUBhttp://repositorio.uem.br:8080/oai/requestrepositorio@uem.bropendoar:2025-01-07T13:50:33Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)false
dc.title.none.fl_str_mv Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
title Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
spellingShingle Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
Felipe, Gustavo Zanoni
identificaçäo adesiva
Imagens médicas
Aprendizagem de máquina
Sistema nervoso entérico
Tumor de Walker-256
006.32
Ciências Exatas e da Terra
Ciência da Computação
title_short Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
title_full Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
title_fullStr Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
title_full_unstemmed Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
title_sort Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico
author Felipe, Gustavo Zanoni
author_facet Felipe, Gustavo Zanoni
author_role author
dc.contributor.none.fl_str_mv Costa, Yandre Maldonado e Gomes da
Pereira, Rodolfo Miranda
Flores, Franklin César
Foleis, Juliano Henrique
dc.contributor.author.fl_str_mv Felipe, Gustavo Zanoni
dc.subject.por.fl_str_mv identificaçäo adesiva
Imagens médicas
Aprendizagem de máquina
Sistema nervoso entérico
Tumor de Walker-256
006.32
Ciências Exatas e da Terra
Ciência da Computação
topic identificaçäo adesiva
Imagens médicas
Aprendizagem de máquina
Sistema nervoso entérico
Tumor de Walker-256
006.32
Ciências Exatas e da Terra
Ciência da Computação
description Orientador: Prof. Dr. Yandre Maldonado e Gomes da Costa
publishDate 2022
dc.date.none.fl_str_mv 2022
2024-12-17T18:41:57Z
2024-12-17T18:41:57Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv FELIPE, Gustavo Zanoni. Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico. 2022. 83, 29 f. Dissertação (mestrado em Ciência da Computação)-Universidade Estadual de Maringá, 2022, Maringá, PR.
http://repositorio.uem.br:8080/jspui/handle/1/8425
identifier_str_mv FELIPE, Gustavo Zanoni. Identificação automática de câncer experimental a partir de imagens do sistema nervoso entérico. 2022. 83, 29 f. Dissertação (mestrado em Ciência da Computação)-Universidade Estadual de Maringá, 2022, Maringá, PR.
url http://repositorio.uem.br:8080/jspui/handle/1/8425
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual de Maringá
Departamento de Informática
Programa de Pós-Graduação em Ciência da Computação
Maringá, PR
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Estadual de Maringá
Departamento de Informática
Programa de Pós-Graduação em Ciência da Computação
Maringá, PR
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
instname:Universidade Estadual de Maringá (UEM)
instacron:UEM
instname_str Universidade Estadual de Maringá (UEM)
instacron_str UEM
institution UEM
reponame_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
collection Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository.name.fl_str_mv Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)
repository.mail.fl_str_mv repositorio@uem.br
_version_ 1864901083778777088

Registros relacionados