Automatic segmentation and classification of human intestinal parasites from microscopy images

• Processo: 14/05431-2
• Modalidade de apoio: Auxílio à Pesquisa - Publicações científicas - Artigo
• Data de Início da vigência: 01 de maio de 2014
• Data de Término da vigência: 31 de outubro de 2014
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: João Paulo Papa
• Beneficiário: João Paulo Papa
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Assunto(s): Aprendizado computacional Segmentação de imagens Processamento de imagens Parasitologia Publicações de divulgação científica Artigo científico
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Parasitologia | segmentação de imagens | Processamento de Imagens

Resumo

Parasitoses intestinais em humanos constituem um problema na maiores dos países tropicais, causando mortes ou problemas de ordem mental e física. O seu diagnóstico geralmente consiste na análise visual de imagens de microscopia, com taxas de erro moderadas e até mesmo altas. Esse problema tem sido atacado por meio de métodos computacionais de análise de imagens, mas somente para um pequeno grupo de espécies e imagens livres de impurezas fecais. Entretanto, tais impurezas existem e são um desafio real para métodos de análise automática de imagens. Neste trabalho, propomos uma metodologia para resolver esse problema segmentando e classificando imagens de microscopia contendo impurezas, bem como foram consideradas as 15 espécies de maior ocorrência de parasitoses intestinais em humanos no Brazil, considerando tanto doenças causadas por protozoários quanto helmintos. A abordagem proposta explora o casamento com elipses e a Transformada Imagem Floresta na tarefa de segmentação de imagens, bem como foi proposta a combinação de descritores de imagens baseados em Programação Genética para representação dos objetos, e seu posterior reconhecimento utilizando o classificador por Floresta de Caminhos Ótimos. Os resultados indicam que o método proposto é uma abordagem bastante promissora na direção do diagnóstico automático de enteroparasitores. (AU)