
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 de São Paulo (USP) | - |
| Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Federal Institute of Triângulo Mineiro | - |
| Autor(es): dc.creator | Tosta, Thaína A. Azevedo | - |
| Autor(es): dc.creator | Freitas, André Dias | - |
| Autor(es): dc.creator | de Faria, Paulo Rogério | - |
| Autor(es): dc.creator | Neves, Leandro Alves | - |
| Autor(es): dc.creator | Martins, Alessandro Santana | - |
| Autor(es): dc.creator | do Nascimento, Marcelo Zanchetta | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T16:14:22Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T16:14:22Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-08-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.bspc.2023.104978 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/248749 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/248749 | - |
| Descrição: dc.description | Microscopic analyses of tissue samples are crucial for confirming the diagnosis of breast cancer. The digitization of these samples has led to the development of computational systems that can assist pathologists. However, these systems may face limitations owing to color variations in the images. Normalization studies have been widely conducted to address these issues, but there is still a need for new proposals that take into account the biological properties of dyes and tissues. This study presents a novel method for normalizing hematoxylin and eosin-stained histological images by estimating the color appearance matrices and density maps of the stain. The proposed method offers contributions in terms of pixel selection and weight definition to improve the color estimation of histological images. Besides, to the best of our knowledge, no previous studies have evaluated normalized images considering both handcrafted and learning features. Breast cancer images with significant color variations were used to evaluate this approach and the results demonstrated its effectiveness and efficiency. The average values of FSIM, NIQE, and QSSIM were up to 0.9866, 3.4298, and 0.9655, respectively. Compared with other normalization techniques, the proposed method showed an increase of up to 5.9261, with the largest difference observed in the amount of noise added, as indicated by the NIQE metric. To determine the impact of normalization on feature extraction, the evaluations included an analysis of both color and deep-learned features. These experiments showed that all evaluated methods harmed the separation of breast cancer samples by color features. In contrast, the deep-learned features resulted in less complex classification problems, especially with the proposed normalization. This technique also reached one of the lowest processing times, nearly 6 s with the largest image from the databases. | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) | - |
| Descrição: dc.description | Institute of Science and Technology Federal University of São Paulo, Av. Cesare Mansueto Giulio Lattes, 1201, São Paulo | - |
| Descrição: dc.description | Department of Histology and Morphology Institute of Biomedical Science Federal University of Uberlândia, Av. Amazonas, S/N, Minas Gerais | - |
| Descrição: dc.description | Department of Computer Science and Statistics São Paulo State University, R. Cristóvão Colombo, 2265, São José do Rio PretoSão Paulo | - |
| Descrição: dc.description | Federal Institute of Triângulo Mineiro, R. Belarmino Vilela Junqueira S/N, Minas Gerais | - |
| Descrição: dc.description | Faculty of Computer Science Federal University of Uberlândia, Av. João Naves de Ávila, 2121, Minas Gerais | - |
| Descrição: dc.description | Department of Computer Science and Statistics São Paulo State University, R. Cristóvão Colombo, 2265, São José do Rio PretoSão Paulo | - |
| Descrição: dc.description | CAPES: #1575210 | - |
| Descrição: dc.description | FAPESP: #2022/03020-1 | - |
| Descrição: dc.description | FAPEMIG: #APQ-00578-18) | - |
| Descrição: dc.description | CAPES: 001 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Biomedical Signal Processing and Control | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Color normalization | - |
| Palavras-chave: dc.subject | Dictionary learning | - |
| Palavras-chave: dc.subject | Features analysis | - |
| Palavras-chave: dc.subject | H&E histological images analysis | - |
| Palavras-chave: dc.subject | Sparse non-negative matrix factorization | - |
| Título: dc.title | A stain color normalization with robust dictionary learning for breast cancer histological images processing | - |
| 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: