Identificação e quantificação automática de taxa de glomérulos hialinizados utilizando deep learning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSchneider, Fabio Kurt-
Autor(es): dc.contributorhttps://orcid.org/ 0000-0001-6916-1361-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1463591813823167-
Autor(es): dc.contributorSilva, Wilson Jose da-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-6288-3625-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6419561860187332-
Autor(es): dc.contributorSchneider, Fabio Kurt-
Autor(es): dc.contributorhttps://orcid.org/ 0000-0001-6916-1361-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1463591813823167-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorhttps://orcid.org/ 0000-0002-6291-9237-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8149364045680042-
Autor(es): dc.contributorIoshii, Sergio Ossamu-
Autor(es): dc.contributorhttps://orcid.org/ 0000-0002-7871-4463-
Autor(es): dc.contributorhttp://lattes.cnpq.br/0515201301625481-
Autor(es): dc.creatorCosta, Thalita Munique-
Data de aceite: dc.date.accessioned2022-08-04T20:18:22Z-
Data de disponibilização: dc.date.available2022-08-04T20:18:22Z-
Data de envio: dc.date.issued2022-06-15-
Data de envio: dc.date.issued2022-06-15-
Data de envio: dc.date.issued2020-09-11-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/28827-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/706421-
Descrição: dc.descriptionIn Digital Pathology, histological slides are scanned for further analysis. Digitized slides allow the use of artificial intelligence and image processing techniques for automatic identification and quantification in histopathology, allowing the quantification of the rate of hyalinized glomeruli. In this work, a database with images from several renal pathology study centers is utilized and the usage of Deep Learning, specifically the YOLOV3 architecture, is evaluated in the automatic detection of glomeruli. In addition to the assessment of functional glomeruli, there is also a need to identify the presence and percentage of hyalinized glomeruli (i.e. glomeruli that have become non-functional due to the replacement of all histopathological elements with hyaline protein material), when considering the totality of existing glomeruli. Using the Bio Atlas database (Pennsylvania State University), 16 complete slides, which resulted in 1177 images of 1024x1024 pixels with one or more glomeruli, were used for training and validation. A total of 468 hyalinized glomeruli and 1261 non-hyalinized glomeruli were noted. Using the 53-layer convolutional neural network and input images adjusted to 512x512 pixels, this work obtained a sensitivity of 90%, precision of 96.9%, accuracy of 87.5% and an F1 score of 93.3% considering the two types of glomeruli. A system was created to identify functional and hyalinized glomeruli, allowing support for histopathological study of kidney diseases and facilitating the location of the objects of analysis.-
Descrição: dc.descriptionEm Patologia Digital, lâminas histológicas são digitalizadas para posterior análise. Lâminas digitalizadas permitem o uso de técnicas de inteligência artificial e processamento de imagens para identificação e quantificação automática em histopatologia permitindo a quantificação da taxa de glomérulos hialinizados. Neste trabalho, uma base de dados com imagens de vários centros de estudos de patologia renal é utilizada e o uso de Deep Learning, especificamente a arquitetura YOLOV3, é avaliado na detecção automática de glomérulos. Além da avaliação de glomérulos funcionais, há também a necessidade de se identificar a presença e a porcentagem de glomérulos hialinizados (i.e., glomérulos que se tornaram não funcionais decorrente da substituição de todos os elementos histopatológicos por material proteico hialino), quando considerada a totalidade de glomérulos existentes. Utilizando a base de dados Bio Atlas (Pennsylvania State University), 16 lâminas completas resultando em 1177 imagens de 1024x1024 pixels com um ou mais glomérulos foram usadas para o treinamento e validação. Foram anotados 468 glomérulos hialinizados e 1261 glomérulos não hialinizados. Utilizando a rede neural convolucional de 53 camadas e imagens de entrada ajustadas para 512x512 pixels, este trabalho obteve uma sensibilidade de 90%, precisão de 96,9%, acurácia de 87,5% e um F1 score de 93,3% considerando os dois tipos de glomérulos. Criou-se um sistema capaz de identificar glomérulos funcionais e hialinizados permitindo suporte ao estudo histopatológico de doenças renais e facilitando a localização dos objetos de análise.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrial-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectGlomérulos renais - Detecção-
Palavras-chave: dc.subjectAprendizado de máquinas-
Palavras-chave: dc.subjectProcessamento de imagens - Técnicas digitais-
Palavras-chave: dc.subjectHistopatologia-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectSimulação (Computadores)-
Palavras-chave: dc.subjectKidney glomerulus - Detection-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectImage processing - Digital techniques-
Palavras-chave: dc.subjectHistology, Pathological-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectComputer simulation-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleIdentificação e quantificação automática de taxa de glomérulos hialinizados utilizando deep learning-
Título: dc.titleIdentification and quantification of hyalinized glomerulus rate using deep learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.