Tamanho da fonte: 

Introdução

Devido ao avanço tecnológico, verifica-se a utilização cada vez maior de sistemas computacionais nas tarefas de extração de informações de imagens. A análise da topologia do tecido é significativa no diagnóstico médico na verificação de tumores. Com a finalidade de minimizar erros, tenta-se automatizar o processo para a classificação de tecidos.

Objetivos

Complementar a classificação dos tecidos adiposo e epitelial definida em estudo anterior em imagens microscópicas usando medidas em outros grafos, como o grafo de distância Euclidiana mínima. Aplicar estas medidas em ferramentas de classificação a fim de definir a mais adequada, ou o conjunto de medidas mais adequado, para a classificação celular.

Metodologia

Inicialmente, houve a segmentação das imagens, na qual utiliza-se Morfologia Matemática em um processo multi-passo, em que o primeiro é fazer uma segmentação automática a fim de destacar a região e encontrar marcadores de cada célula da imagem, estes são filtrados por um especialista numa interface montada no Matlab. Após a definição dos marcadores, o operador Watershed foi utilizado, criando o contorno de cada célula, e calculando os seus centróides.

Resultados

A análise dos dados realizada no WEKA demonstrou que o trabalho obteve uma boa eficiência, como 99,7531% de acerto quanto à classificação de 810 instâncias. Os resultados obtidos neste trabalho são melhores que os apresentados em estudos anteriores (99,3827%), onde foi considerado o grafo de vizinhança, que é mais complicado de gerar.

Conclusão Através da realização desse estudo foi possível encontrar uma boa eficácia na classificação de tecidos epiteliais e adiposos, a partir de valores da distância média de 6 vizinhos mais próximos. Uma próxima etapa é fazer um comparativo utilizando outros tipos de grafos, além disso é possível verificar o menor número de células para cada imagem, sem prejudicar a sua eficácia.