SEGMENTAÇÃO DE BACILOS DE TUBERCULOSE EM IMAGENS DE MICROSCOPIA CONVENCIONAL USANDO REDES NEURAIS CONVOLUCIONAIS

  • PHILIPE RANGEL DEMUTH Universidade Federal do Espírito Santo
  • JORGE LEONID ACHING SAMATELO Universidade Federal do Espírito Santo
  • PATRICK MARQUES CIARELLI Universidade Federal do Espírito Santo
Keywords: Deep learning, CNN, Microscopia convencional, Ziehl-Neelsen, Bacilos de tuberculose

Abstract

A tuberculose é uma das dez maiores causas de morte no mundo. Embora ela possa ser tratada, a doença primeiro deve ser diagnosticada, e para isso é comum o uso de processos de inspeção manual, em geral demorados e cansativos. Assim, neste trabalho é proposta uma técnica de segmentação de imagens de microscopia, na qual uma rede neural convolucional realiza uma especia de pre-segmentação da imagem e o algoritmo Graphcut realiza o pos-processamento em busca de um maior renamento dos resultados. A técnica foi avaliada em uma base de dados composta por 120 imagens obtidas por meio de um microscopio de microscopia convencional em lâminas de esfregaço de escarro preparadas segundo a técnica de Ziehl-Neelsen. Nos experimentos realizados foi obtida uma acurácia na segmentação de 96;70% e uma sensibilidade de 96; 75%. Estes resultados mostram que a abordagem proposta tem potencial para tratar a tarefa indicada.

Published
2020-10-29
Section
Articles