Automatic detection for acute lymphoid leukemia images based non local region approach

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Sus, João Felipe Lopes de
Orientador(a): Oliveira, Lucas Ferrari de, 1976-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Leucemia
Ciência da Computação
Processamento de imagens - Técnicas digitais
Sistemas de reconhecimento de padrões
Link de acesso: https://hdl.handle.net/1884/58511
Resumo: Orientador: Prof. Dr. Lucas Ferrari de Oliveira
id UFPR_5f8903df09e1a5b316f2c62d575d628d
oai_identifier_str oai:acervodigital.ufpr.br:1884/58511
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaOliveira, Lucas Ferrari de, 1976-Sus, João Felipe Lopes de2024-11-11T21:16:48Z2024-11-11T21:16:48Z2018https://hdl.handle.net/1884/58511Orientador: Prof. Dr. Lucas Ferrari de OliveiraDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 03/09/2018Inclui referências: p.90-95Resumo: A leucemia linfoide aguda (LLA) é o tipo de câncer mais comum a se manifestar na infância, apesar de apresentar rápida evolução em seu quadro clínico a LLA possui relativamente baixa mortalidade quando identificada e tratada em seu estágio inicial. Como o diagnóstico de LLA é feito por médicos hematologistas com base na análise microscópica de lâminas contendo amostras de sangue periférico, o que pode ser considerado um trabalho lento e cansativo impactando no desempenho do médico, o desenvolvimento de ferramentas que auxiliem neste processo é uma necessidade real. A proposta deste trabalho é apresentar um algoritmo capaz de segmentar os leucócitos existentes, extrair e selecionar características gerando uma representação compacta e por fim utilizar um classificador para diferenciar imagens de sangue periférico de pacientes saudáveis de pacientes portadores de LLA. A base de imagens ALL_IDB foi escolhida para ser utilizada por ser uma base de domínio público e também utilizada em outros trabalhos permitindo comparações precisas, e apresentar diversas dificuldades encontradas no trabalho com imagens provenientes de microscópio, como diferentes tipos de iluminação e zoom. Das 108 imagens utilizadas nos testes 107 foram classificadas corretamente, resultando em uma acurácia de 0,99 sendo este valor maior que o melhor trabalho encontrado na literatura atual, mesmo o único caso classificado erroneamente foi um falso positivo o que no contexto da aplicação é menos grave do que um falso negativo.Abstract: Acute lymphoblastic leukemia (ALL) is the most common type of cancer in childhood. Despite presenting a rapid evolution in its clinical condition, ALL has a relatively low mortality when identified and treated in its initial stage. Due to the fact that the ALL diagnosis is made by hematologists based on the microscopic analysis of the peripheral blood smear slices, which can be considered a tedious and tiring work, impacting on the doctor's performance, the development of tools that would help in this process is a real necessity. Thus, the purpose of this work is to present an algorithm capable of segmenting the existing leukocytes from blood smear images, extracting and selecting the most representative features, generating a compact representation, so as to finally use a classifier to differentiate the peripheral blood smear images of healthy patients from patients with ALL. The ALL_IDB image base was chosen for being a public domain base and also used in other works, thus allowing accurate comparisons, as well as revealing several difficulties that are faced when working with microscopic images, such as different types of lighting and distinct zoom levels. The final results were expressive and reached an accuracy of 0.99, where, from the 108 images used in the tests, 107 were classified correctly. This result is higher than the best one found in the latest literature, and the only image classified as being wrong was a false positive which in the application context is not the worse case scenario.1 recurso online : PDF.application/pdfLeucemiaCiência da ComputaçãoProcessamento de imagens - Técnicas digitaisSistemas de reconhecimento de padrõesAutomatic detection for acute lymphoid leukemia images based non local region approachinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisengreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - JOAO FELIPE LOPES DE SUS.pdfapplication/pdf7270531https://acervodigital.ufpr.br/bitstream/1884/58511/1/R%20-%20D%20-%20JOAO%20FELIPE%20LOPES%20DE%20SUS.pdf3fafa6dc8ce9ea9c93f2818350ec4b52MD51open access1884/585112024-11-11 18:16:49.01open accessoai:acervodigital.ufpr.br:1884/58511Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-11-11T21:16:49Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Automatic detection for acute lymphoid leukemia images based non local region approach
title Automatic detection for acute lymphoid leukemia images based non local region approach
spellingShingle Automatic detection for acute lymphoid leukemia images based non local region approach
Sus, João Felipe Lopes de
Leucemia
Ciência da Computação
Processamento de imagens - Técnicas digitais
Sistemas de reconhecimento de padrões
title_short Automatic detection for acute lymphoid leukemia images based non local region approach
title_full Automatic detection for acute lymphoid leukemia images based non local region approach
title_fullStr Automatic detection for acute lymphoid leukemia images based non local region approach
title_full_unstemmed Automatic detection for acute lymphoid leukemia images based non local region approach
title_sort Automatic detection for acute lymphoid leukemia images based non local region approach
author Sus, João Felipe Lopes de
author_facet Sus, João Felipe Lopes de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.advisor1.fl_str_mv Oliveira, Lucas Ferrari de, 1976-
dc.contributor.author.fl_str_mv Sus, João Felipe Lopes de
contributor_str_mv Oliveira, Lucas Ferrari de, 1976-
dc.subject.por.fl_str_mv Leucemia
Ciência da Computação
Processamento de imagens - Técnicas digitais
Sistemas de reconhecimento de padrões
topic Leucemia
Ciência da Computação
Processamento de imagens - Técnicas digitais
Sistemas de reconhecimento de padrões
description Orientador: Prof. Dr. Lucas Ferrari de Oliveira
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2024-11-11T21:16:48Z
dc.date.available.fl_str_mv 2024-11-11T21:16:48Z
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 https://hdl.handle.net/1884/58511
url https://hdl.handle.net/1884/58511
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/58511/1/R%20-%20D%20-%20JOAO%20FELIPE%20LOPES%20DE%20SUS.pdf
bitstream.checksum.fl_str_mv 3fafa6dc8ce9ea9c93f2818350ec4b52
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526093383270400

Registros relacionados