Análise de imagens de microscopia do tecido cardíaco

Abstract

Este trabalho consiste em desenvolver um algoritmo para segmentação do núcleo de imagens do tecido cardíaco. Para os pesquisadores na microscopia, obter e analisar as imagens é algo rotineiro, mas atualmente são tantas imagens que o maior desafio dessa área não se concentra apenas em obter e processar imagens, mas em reconstruí-las apropriadamente, extrair medidas precisas e também correlacionar os resultados obtidos com a proposição de modelos computacionais para compreender os diversos fenômenos biológicos investigados. O primeiro passo, e talvez o mais complexo para conseguir fazer essa análise computacionalmente, é segmentar as imagens, com o objetivo de encontrar regiões de interesse e aplicar nelas as análises necessárias. Para atingir tal objetivo, inicialmente foi investigado como essas imagens de tecido de coração são obtidas e quais corantes são usados na lâmina para facilitar a identificação dos núcleos celulares. Sabe-se que esses pigmentos permitem a pigmentação de estruturas biológicas de forma diferenciada, logo o uso desses corantes permitem uma segmentação baseada nos critérios biológicos. Em seguida, agrupamos pixels da imagem para obtermos regiões de interesse semelhantes e identificar e rotular os núcleos, gerando uma segmentação automática dos núcleos na imagem. Essa segmentação é importante para o patologista porque o número de núcleos em uma lâmina pode indicar inflamações ou anomalias que estão ocorrendo no tecido analisado. A base de dados usada foi disponibilizada pelo Núcleo de Pesquisas em Ciências Biológicas - NUPEB / UFOP, e é conjunto de 804 imagens de cortes histológicos do tecido do coração. As imagens foram divididas em dois grupos, um para o átrio direito e outro para o ventrículo esquerdo. Além das imagens, também foi disponibilizada uma tabela com o número de células para cada imagem. Os agrupamentos dos pixels foram feitos de forma não supervisionada e usando o algoritmo K-means, diferentes valores de k foram investigados. Os resultados de número de núcleos foram comparados com a contagem feita por um patologista, e esses resultados se aproximaram bastante do resultado obtido pelo profissional, o erro relativo médio foi de 37,74% para k= 4 e de 19,84% para k=5, o que significa que o método automático pode dar resultados semelhantes aos de um patologista e assim, auxiliá-lo na análise.