Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/40064
Type: | Dissertação |
Title: | Diagnóstico automático de ovos de parasitos intestinais humanos a partir de imagens microscópicas utilizando redes neurais convolucionais |
Authors: | Bruno Alberto Soares Oliveira |
First Advisor: | Frederico Gadelha Guimarães |
First Referee: | Eduardo Mazoni Andrade Marçal Mendes |
Second Referee: | Ricardo de Oliveira Duarte |
Third Referee: | Deborah Aparecida Negrão-Corrêa |
Abstract: | Uma das maiores preocupações da área de saúde pública são causadas pelos parasitos intestinais humanos, que são encontrados em grande parte nos países tropicais. O diagnóstico dessas doenças parasitárias se dá por meio de sintomas fisiológicos e exame fecal. Frequentemente, poucos profissionais estão disponíveis e aptos a realizarem esse tipo de exame, que é considerado lento, difícil, propenso a erros e pode causar fadiga ocular no especialista. A área de reconhecimento de padrões em imagens apresenta-se como uma alternativa promissora como apoio e automatização de exames baseados em imagens. Além disso, técnicas de aprendizado profundo têm sido aplicadas com sucesso para esse propósito. Portanto, o objetivo desse trabalho é utilizar redes neurais convolucionais para classificar ovos de parasitos intestinais, sendo um sistema de auxílio a tomada de decisão no diagnóstico de um exame de fezes. Foi construída uma base de dados real com 66 imagens de diferentes espécies de ovos de parasitos (Ancylostoma duodenale, Necator americanus, Ascaris lumbricóides, Enterobius vermicularis, Schistosoma mansoni e Trichuris trichiura). Técnicas de data augmentation foram utilizadas para se obter um maior número de amostras, tendo no final um total de 48 mil imagens. Foram realizados experimentos empíricos de modo a definir uma arquitetura da rede específica para cada problema. A maior dificuldade do diagnóstico do especialista é na localização dos ovos misturados a impurezas e sujeiras contidas na lâmina, por isso, foi implementada uma arquitetura de Rede Neural Convolucional visando resolver um problema de classificação binária e outra para um problema de classificação multiclasse. Os resultados obtidos demonstraram uma taxa de reconhecimento de 99.9%, para todas as métricas avaliadas. A aplicação desenvolvida será uma parte essencial de um futuro sistema que será totalmente automatizado. |
Abstract: | One of the biggest concerns in the area of public health is caused by human intestinal parasites, which are found largely in tropical countries. The diagnosis of these parasitic diseases is done through physiological symptoms and fecal examination. Often, few professionals are available and able to perform this type of examination, which is considered slow, difficult, prone to errors, and can cause eye strain in the specialist. The area of pattern recognition in images presents itself as a promising alternative as support and automation of exams based on images. Also, deep learning techniques have been successfully applied for this purpose. Therefore, the objective of this work is to use convolutional neural networks to classify eggs from intestinal parasites, being a system to aid decision making in the diagnosis of a stool test. A real database was built with 66 images of different species of parasite eggs (Ancylostoma duodenale, Necator americanus, Ascaris lumbricoids, Enterobius vermicularis, Schistosoma mansoni, and Trichuris trichiura). Data augmentation techniques were used to obtain a larger number of samples, with a total of 48 thousand images at the end. Empirical experiments were carried out to define a specific network architecture for each problem. The greatest difficulty of the specialist's diagnosis is in locating the eggs mixed with impurities and dirt contained in the slide, for this reason, a Convolutional Neural Network architecture was implemented to solve a binary classification problem and another for a multiclass classification problem. The results obtained demonstrated a recognition rate of 99.9%, for all metrics evaluated. The developed application will be an essential part of a future system that will be fully automated. |
Subject: | Engenharia elétrica Diagnóstico por imagem Doenças parasitárias Intestinos - Parasitos Redes neurais convolucionais |
language: | por |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
metadata.dc.publisher.department: | ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Engenharia Elétrica |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/40064 |
Issue Date: | 18-Sep-2020 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Dissertacao corrigida.pdf | 11.67 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.