Desenvolvimento de técnicas para segmentação e detecção de glomerulopatias utilizando aprendizagem de máquina

Abstract

O emprego de técnicas em Aprendizado de Máquina (Machine Learning) de forma combinada às de Visão Computacional tem melhorado a performance de sistemas de visão. A análise automática de imagens é um campo em que essa interseção se aplica. O campo da Patologia Digital se vale de técnicas em Processamento Digital de Imagens e Visão Computacional para prover análises de tecidos biológicos. Na última década, métodos em Deep Learning, em especial as redes neurais convolucionais (CNNs), têm sido amplamente utilizados como ferramenta para análise de imagens histológicas. O trabalho desenvolvido apresenta a elaboração de técnicas automáticas para a segmentação de imagens dentro do escopo do problema de identificação de glomerulopatia em imagens histológicas renais. A segmentação proposta visa a extração de estruturas de células em imagens, para que se possa posteriormente identificar e classificar lesões com um grau significativo de precisão na detecção de núcleos e podócitos em imagens histológicas de glomérulos usando redes neurais convolucionais profundas. O modelo utilizado neste trabalho foi capaz de detectar núcleos com precisão média (AP) de 0,92. Com respeito às detecções de podócitos, o modelo alcançou AP de 0,70. Em ambos os casos, o resultado foi atingido por meio de emprego de pré-treino e da expansão do conjunto de dados.