
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
| Autor(es): dc.contributor | Federal Institute of Triângulo Mineiro (IFTM) | - |
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | University of Uberaba (UNIUBE) | - |
| Autor(es): dc.creator | Silva, Adriano Barbosa | - |
| Autor(es): dc.creator | Martins, Alessandro Santana | - |
| Autor(es): dc.creator | Tosta, Thaína Aparecida Azevedo | - |
| Autor(es): dc.creator | Neves, Leandro Alves | - |
| Autor(es): dc.creator | Servato, João Paulo Silva | - |
| Autor(es): dc.creator | de Araújo, Marcelo Sivieri | - |
| Autor(es): dc.creator | de Faria, Paulo Rogério | - |
| Autor(es): dc.creator | do Nascimento, Marcelo Zanchetta | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:00:34Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:00:34Z | - |
| Data de envio: dc.date.issued | 2022-04-29 | - |
| Data de envio: dc.date.issued | 2022-04-29 | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.eswa.2021.116456 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/230237 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/230237 | - |
| Descrição: dc.description | Oral epithelial dysplasia is a precancerous lesion that presents alterations in the shape and size of cell nuclei and can be graded as mild, moderate and severe. The conventional process for diagnosis of this lesion is complex, time-consuming and subject to errors. The use of digital systems in histological analysis can aid specialists to obtain data that allows a robust and fast investigation of the lesion. This work presents a method for dysplasia quantification in histopathological images of the oral cavity using machine learning models. The methodology includes the steps of nuclei segmentation, post-processing, feature extraction and classification. On the segmentation step, the Mask R-CNN neural network was trained using nuclei masks, where objects were detected. The post-processing step employed morphological operations to remove false positive and negative areas. Then, 23 morphological and non-morphological features such as area, orientation, solidity and entropy were computed and a polynomial classifier was employed to distinguish the images among the lesion's grades. This approach was applied in a dataset with 296 regions of mice tongue images, where 9155 cell nuclei were identified and analysed. Metrics such as accuracy and area under the ROC curve were employed to evaluate the methodology by comparing it with the gold standard marked by specialists and other methods present in the literature. This work presents a novel study for the classification of automated grading of oral dysplasia lesions based on the association of CNN segmentation and polynomial algorithm. The segmentation step resulted in accuracies ranging from 88.92% to 90.35% and the classification step obtained area under the ROC curve ranging from 0.88 to 0.97. When compared to other algorithms present in the literature, our methods showed more relevant results, obtaining higher accuracy and AUC values. These values showed that the proposed methodology contributed to the state-of-the-art and can be used as a tool to aid pathologists with precise values for investigating dysplastic tissue lesions. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) | - |
| Descrição: dc.description | Faculty of Computer Science (FACOM) Federal University of Uberlândia (UFU), Av. João Naves de Ávila 2121, BLB | - |
| Descrição: dc.description | Federal Institute of Triângulo Mineiro (IFTM), R. Belarmino Vilela Junqueira, S/N | - |
| Descrição: dc.description | Science and Technology Institute Federal University of São Paulo (UNIFESP), Av. Cesare Mansueto Giulio Lattes, 1201 | - |
| Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), R. Cristóvão Colombo, 2265 | - |
| Descrição: dc.description | School of Dentistry University of Uberaba (UNIUBE), Av. Nenê Sabino, 1801 | - |
| Descrição: dc.description | Department of Histology and Morphology Institute of Biomedical Science Federal University of Uberlândia (UFU), Av. Amazonas, S/N | - |
| Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), R. Cristóvão Colombo, 2265 | - |
| Descrição: dc.description | CAPES: 001 | - |
| Descrição: dc.description | CNPq: 304848/2018-2 | - |
| Descrição: dc.description | CNPq: 313365/2018-0 | - |
| Descrição: dc.description | CNPq: 430965/2018-4 | - |
| Descrição: dc.description | FAPEMIG: APQ-00578-18 | - |
| Descrição: dc.description | FAPEMIG: APQ-01129-21 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Expert Systems with Applications | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Convolutional neural network | - |
| Palavras-chave: dc.subject | Dysplasia | - |
| Palavras-chave: dc.subject | Histological image | - |
| Palavras-chave: dc.subject | Oral cavity | - |
| Palavras-chave: dc.subject | Polynomial classifier | - |
| Título: dc.title | Computational analysis of histological images from hematoxylin and eosin-stained oral epithelial dysplasia tissue sections | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: