Segmentação de Bacilos de Tuberculose em Imagens de Microscopia Convencional Usando Redes Neurais Convolucionais
Philipe Rangel Demuth1; Jorge Leonid Aching Samatelo1; Patrick Marques Ciarelli1
1 Universidade Federal do Espírito Santo
Baixar PDF doi:10.20906/CPS/CBA2018-1334
Resumo
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 espécie de pré-segmentação da imagem e o algoritmo graph cut realiza o pós-processamento em busca de um maior refinamento dos resultados. A técnica foi avaliada em uma base de dados composta por 120 imagens obtidas usando um microscópio de microscopia convencional em l^aminas de esfrega¸co de escarro preparadas segundo a técnica de Ziehl-Neelsen. Nos experimentos realizados foi obtida uma acurácia na segmentação de 96,70% e uma sensitividade de 96,75%. Estes resultados mostram que a abordagem proposta tem potencial para tratar a tarefa indicada.
Palavras-chave: Deep learning; CNN; Microscopia convencional; Ziehl-Neelsen; Bacilos de tuberculose