Detecção de núcleos em imagens citológicas de AgNOR utilizando Aprendizado Profundo
Palavras-chave:
Aprendizado Profundo, Biologia Celular, Imagens de AgNORResumo
Objetivo: Avaliar a utilização de modelos de detecção de objeto para a detecção de núcleos coloridos com nitrato de prata proveniente de pacientes com câncer de colo de útero. Método: Utiliza-se imagens de um dataset contendo lâminas coradas com nitrato de prata, um método conhecido como AgNOR. No entanto, este método de citologia ainda não foi muito explorado, principalmente utilizando métodos computacionais. Desta forma, compara-se o modelo Faster-RCNN com diferentes backbones para a detecção de núcleos em imagens coradas pelo método AgNOR. Resultado: O trabalho alcançou os valores 0,66, 0,79 e 0,80 para acurácia, precisão e revocação respectivamente utilizando um modelo Faster-RCNN. Conclusão: A Faster-RCNN é capaz de detectar núcleos individuais coloridos com prata.
Downloads
Publicado
2021-03-15
Como Citar
Amorim, J. G. A., Macarini, L. A. B., Matias, A. V., Cerentini, A., Onofre, F. B. D. M., Onofre, A. S. C., & Von Wangenheim, A. (2021). Detecção de núcleos em imagens citológicas de AgNOR utilizando Aprendizado Profundo. Journal of Health Informatics, 12. Obtido de https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/811
Edição
Secção
Artigo Original
Licença
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
