Título da Dissertação - UEFS

Dentre os trabalhos com imagens médicas, o campo da histopatologia digital se destaca como um dos maiores desenvolvimentos da medicina moderna [Irshard et al. Contudo, o número de propostas de trabalho em histopatologia digital só aumentaria entre as décadas de 1990 e 2000, quando pesquisadores em processamento de imagens e visão computacional aceitariam de fato o desafio de propor sistemas automáticos para análise histopatológica [Meijering et. enguia. 2009], o crescimento do número de trabalhos em histopatologia digital aumentou graças aos avanços na capacidade computacional para armazenamento de dados e à criação de bancos de amostras de tecidos histológicos digitalizados.

Embora várias doenças já tenham sido diagnosticadas com a ajuda de sistemas de apoio diagnóstico [Kothari et al.

Contextualização sobre as Glomerulopatias

No Uruguai, aproximadamente 20% dos pacientes são diagnosticados com glomerulonefrite na admissão para diálise [Queiroz et al. Esta é uma etiologia comum de insuficiência renal crônica em diálise, com biópsias renais desempenhando um papel fundamental no correto diagnóstico e etiologia, e até mesmo em o prognóstico desses casos, apesar do reconhecimento de que as biópsias renais não devem ser analisadas isoladamente, pois o fator clínico é a base da indicação [Alves Júnior et al.. Esses tecidos são fixos, cortados em cortes de 2-3 µm de espessura e examinado ao microscópio [Al Kofahi et al.

Os investimentos em novos estudos epidemiológicos sobre glomerulopatias (para compreender as características fisiopatológicas da doença) e em pesquisas sobre novos paradigmas para resolver problemas com glomerulopatias reforçam a necessidade de realizar novos estudos sobre doenças glomerulares no Brasil, considerando a heterogeneidade da população brasileira em seu características étnicas, socioeconômicas e geográficas, além da necessidade de métodos mais rápidos para realizar o diagnóstico [Alves Júnior et al.

Contribuições deste Trabalho

Organização da Dissertação

Histopatologia Digital 18

Análise de Imagens Digitais Histológicas Renais

Quanto à quantidade de trabalhos com imagens histológicas renais, o cenário não difere muito do trabalho com imagens histológicas de outros órgãos. Isitor e Thorne [2007] utilizaram técnicas de segmentação de pixels e texturas, com o objetivo de estabelecer um ponto de referência para a rápida identificação da proliferação celular em imagens histológicas de rins de mamíferos, a fim de estudar a evolução celular de tecidos suínos e bovinos. , de ratos e humanos. 2013] propuseram um método automático para identificar e classificar imagens histológicas de tumores renais, que supera e complementa modelos propostos anteriormente, alcançando precisão máxima de 77% em um teste realizado com 151 imagens de quatro tipos diferentes de câncer renal.

Por fim, em relação ao trabalho com imagens histológicas de rins que não tratam de neoplasias (cânceres e tumores), Cui et al.

Propostas Similares ao Trabalho Atual

No que diz respeito à etapa de extração de características, os recursos úteis para a classificação de uma determinada patologia são geralmente inspirados em dados visuais definidos pelos próprios patologistas. A classificação de imagens histológicas abrange desde a identificação de um tipo de célula ou estrutura até a identificação e classificação de uma patologia, onde há casos de classificação binária e multiclasse. 2012] confirma a alta prevalência de trabalhos com foco na identificação e classificação de carcinomas, e apresenta uma revisão de trabalhos desta natureza.

A Tabela 2.1 resume detalhes de alguns dos principais trabalhos publicados entre 2012 e 2015 e que visam a classificação de imagens histológicas.

Classificação de Imagens 28

A Figura 4.3 mostra o passo a passo das operações realizadas na fase de segmentação usando uma imagem de amostra. A Figura 5.8 mostra os resultados de cada etapa da abordagem anterior (pré-processamento e segmentação, extração de características e classificação). A Figura 5.36 ilustra o procedimento de teste com validação cruzada k-fold igual a 10 no conjunto de generalização [James et al.

O sistema PathoSpotter 45

Etapas do PathoSpotter

A Figura 5.7 mostra a arquitetura da abordagem preliminar do PathoSpotter e todos os métodos utilizados em cada fase do sistema. A Figura 5.34 (a) apresenta a distribuição espacial das feições em relação ao número de áreas núcleo e ao número de clusters, além do resultado da regressão logística.

Experimentos e Resultados 53

Aquisição das Imagens e Conjunto de Dados

De forma simplificada, o processo de imagem histológica começa com a extração de um pequeno pedaço de tecido renal (biópsia). As imagens PathoSpotter são imagens renais de néfrons (que incluem glomérulos) e têm ampliação de 200x. O microscópio utilizado para aquisição das imagens PathoSpotter foi o microscópio óptico Nikon E600, mostrado na Figura 5.2, que mostra o microscópio em um dos ambientes de trabalho dos patologistas.

A Figura 5.3 mostra com mais detalhes a câmera acoplada ao microscópio e o tubo através do qual a imagem é capturada pela câmera. Washington Luís Conrado dos Santos, patologista e pesquisador da FIOCRUZ, que possui um conjunto de amostras composto por aproximadamente 10 mil imagens histológicas de diversas patologias que afetam os rins. Todas as amostras utilizadas no PathoSpotter foram previamente classificadas por pelo menos dois patologistas, permanecendo no conjunto de dados do sistema apenas as amostras classificadas por consenso.

O conjunto de dados utilizado no desenvolvimento do PathoSpotter incluiu 811 amostras, das quais 300 eram imagens de glomérulos sem glomerulopatias e 511 eram imagens mostrando glomerulopatias. As imagens de histologia renal que compõem o conjunto de dados PathoSpotter são imagens específicas de glomérulos. Essas imagens representam estruturas comuns como tecido (Figura 5.4a) e núcleos (Figura 5.4b), que são estruturas usadas no PathoSpotter para identificar glomerulopatias proliferativas.

Outra característica das imagens que compõem o conjunto de dados do sistema é a presença de cores semelhantes para representar as estruturas nas amostras. A Figura 5.5 mostra exemplos de amostras com glomérulos de diferentes formatos e diferentes intensidades de brilho nas cores das estruturas, que aparecem sempre com tonalidade avermelhada no tecido (fundo da imagem), tonalidade azul escura ou preta nos núcleos, e branco nos núcleos. ao redor dos glomérulos (Figura 5.5 a, b, c), o que nem sempre ocorre (Figura 5.5d).

Abordagem preliminar

A seguir, identificamos clusters através de análise de borda e vizinhança entre pixels, utilizando o método de crescimento de região (apresentado na sessão 3.1.3). A última técnica de segmentação foi o método watershed (apresentado na sessão 3.1.3) para contar os núcleos presentes em cada região. No método de segmentação por bacias hidrográficas, a imagem a ser segmentada é interpretada como uma superfície topográfica, em que a intensidade dos pixels corresponde aos valores de altura dos pontos.

Ao converter as imagens de segmentação da bacia hidrográfica para o nível de cinza e realizar a contagem de tons, obteve-se o número de núcleos identificados em cada cluster da imagem. Como a imagem apresentada é uma imagem com glomerulopatia e foi identificado um grupo de núcleos composto por 4 núcleos, o exemplo apresentado na Figura 5.8 mostra um caso em que a classificação foi bem-sucedida. Apesar do exemplo apresentado na Figura 5.8 de classificação bem-sucedida, consideramos a abordagem experimental frágil, pois é bastante subjetiva.

A Figura 5.9 mostra os estágios iniciais e finais da aplicação da abordagem anterior a uma imagem onde a classificação não é realizada com sucesso, devido ao fato de o algoritmo de segmentação de bacias hidrográficas supersegmentar o grupo identificado. Na Figura 5.9 ainda é possível observar os núcleos (numerados), na imagem original do cluster e como abordagem preliminar. Este resultado nos levou a concluir que a abordagem anterior é insuficiente e extremamente sensível à variação de imagens com diferentes aspectos.

Através dos resultados obtidos é possível discernir alguns problemas na abordagem preliminar, como a alta subjetividade do princípio utilizado para realizar a classificação e o fato da segmentação da bacia hidrográfica ser sensível ao ruído, o que afeta o número de núcleos. Portanto, descartamos a abordagem preliminar como uma arquitetura adequada, mas percebemos que sua construção foi importante para o amadurecimento do processo de construção do PathoSpotter, pois serviu para testar os primeiros métodos que foram experimentados, principalmente no pré-processamento, segmentação e aquisição.

Abordagem Atual

Este fato pode ser observado nos testes de suavização da Figura 5.14, que compara o filtro de média e mediana com o mesmo tamanho de janela de convolução. A Figura 5.16 revela o impacto da suavização da imagem na etapa de segmentação ao mostrar o resultado final da segmentação, com e sem suavização. A Figura 5.17 ilustra a imagem antes da aplicação do realce das partes escuras e após o realce, além de apresentar seus respectivos histogramas.

A Figura 5.20 apresenta os resultados da aplicação do método de limiar de Otsu em sua forma global e local. A Figura 5.23 apresenta uma tabela com os espaços de cores testados e seus respectivos canais de cores. Dos canais mostrados na Figura 5.24, o canal H (do espaço de cores HED) apresentou o maior contraste entre os núcleos e o fundo da imagem.

Portanto, invertemos a imagem H e aplicamos o método de reconstrução da oclusão, obtendo o resultado que pode ser observado na Figura 5.25. Isto pode ser facilmente observado no histograma da imagem resultante desta reconstrução morfológica mostrada na Figura 5.26. A Figura 5.27 ilustra o resultado final da proposição 2 após aplicação do método Otsu e da operação de fechamento morfológico.

O método LoG foi aplicado utilizando a biblioteca de processamento de imagens scikit-image, e a Figura 5.31 ilustra um exemplo de seu uso. A Figura 5.33 mostra o espaço tridimensional composto pelas três características selecionadas (densidade, número de regiões e número de clusters) para compor a matriz de características do PathoSpotter. Da mesma forma, a Figura 5.34 (b) realiza a regressão relacionando as amostras ao número de clusters e densidade, e a Figura 5.34 (c) realiza a regressão ao número de regiões centrais e densidade, realizando assim todas as combinações possíveis de duas características.

O gráfico da Figura 5.38 mostra os resultados da taxa de erro de classificação obtidos de acordo com a variação do valor de k (3 a 81, variando de 1 a 1) em função das três medidas de distância avaliadas (Manhattan, Euclidiana e Minkowsk).

Considerações Finais 97

Trabalhos Futuros

Multifractal characterization and classification of digital breadcrumb images, EURASIP Journal on Image and Video Processing. May: “A Better View of Disease: Automated Pathology Slides Can Help Doctors Make Faster and More Accurate Diagnoses,” IEEE. Nephrology, dialysis, transplantation: official publication of the European Dialysis and Transplant Association - European Renal Association.

Tolles, "The Cytoanalyzer - An Example of Physics in Medical Research," Transactions of the New York Academy of Sciences, vol. Determining similarity in histological images using graph-theoretic description and matching methods for content-based image acquisition in medical diagnostics. In: Graphics, Patterns and Images (SIBGRAPI), Conference on - 2012 IEEE Conference, Ouro Preto, Minas Gerais, Brazil.

A nuclear circulation-based classifier for diagnostic differentiation of desmoplastic from spindle cell melanoma in digitized histological images. Comparison between nuclear chromatin patterns from digitized images of cells of the testicular and kidney tissues of mammals: an image segmentation study. Semiautomated quantitative image analysis of podocyte desmin immunoreactivity as a sensitive marker for acute glomerular damage in the rat puromycin aminonucleoside nephrosis (PAN) model.

Lindeberg (1993) ``Detection of salient blob-like image structures and their scales with a primary sketch of measurement space: a method for focusing attention'', International Journal of Computer Vision, vol. Jalalah, 2009] Jalalah SM; Patterns of primary glomerular diseases in adults in the western region of Saudi Arabia.