Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/637
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorBianchi, Andrea Gomes Campospt_BR
dc.contributor.authorSoares, Jessica Ferreira-
dc.date.accessioned2017-11-17T13:56:02Z-
dc.date.available2017-11-17T13:56:02Z-
dc.date.issued2017-
dc.identifier.citationSOARES, Jessica Ferreira. Contagem automática do parasito Trypanosoma cruzi utilizando processamento de imagens. 2017. 78 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2017.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/637-
dc.description.abstractA automação está se tornando a cada dia mais presente na vida das pessoas, otimizando processos, poupando profissionais na realização de tarefas repetitivas ou de auto risco. Nesse sentido, técnicas de processamento digital de imagens vem ganhando cada vez mais espaço, considerando o grande número de aplicações que vão desde o processamento de imagens médicas até o monitoriamento de atividades industriais. Com o objetivo de automatizar um problema real através de técnicas de processamento de imagens, esse trabalho propõe uma solução automática para a contagem do parasito Trypanosoma cruzi (T. cruzi) em meio de cultura e uma breve análise do mesmo parasito em amostras de sangue para experimentos realizados no Laboratório de Imunopatologia do NUPEB/UFOP. Atualmente esse procedimento é feito de forma manual, demandando envolvimento total do pesquisador que tem o auxílio de um contador estatístico para monitorar a tarefa. A solução para essa questão deve ser de baixo custo e prática para o pesquisador, porém existem poucas abordagens na literatura para identificação do T. cruzi, sendo elas baseadas na variação de velocidade do parasito. Todavia, tanto no vídeo de amostras de sangue quanto em meio de cultura, o parasito apresenta baixo contraste o que dificulta sua detecção. Para resolver o problema, serão usadas metodologias que possibilitem identificar uma característica inerente ao parasito: o seu movimento. Com o objetivo de identificar o deslocamento dos objetos na cena, foram utilizadas as abordagens de background subtraction combinada com optical flow e Gaussian Mixture Model (GMM) para comparar com a primeira solução. Foram feitos experimentos com diversas concentrações de amostras em meio de cultura, onde a principal, Berenice 78, foi diluída em proporções 1:2, 1:10 e 1:100. O resultado da sensibilidade obtido para cada um desses experimentos com o algoritmo de background subtraction com optical flow foi 40%, 91%, 85% e 45% respectivamente. Para o modelo de GMM, os valores de sensibilidade foram 73%, 90%, 81% e 86%. Apesar da boa performance do GMM, essa abordagem detecta um maior número de falsos positivos, sendo assim o primeiro método mais eficaz que o segundo.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopen accesspt_BR
dc.subjectDetecção de movimentopt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectVisão computacionalpt_BR
dc.subjectTrackingpt_BR
dc.subjectReconhecimento de padrõespt_BR
dc.titleContagem automática do parasito Trypanosoma cruzi utilizando processamento de imagens.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.rights.licenseAutorização concedida à Biblioteca Digital de TCC da UFOP pelo autor(a), 19/07/2017, com as seguintes condições: disponível sob Licença Creative Commons 4.3, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite uso para fins comerciais.pt_BR
dc.contributor.refereeBianchi, Andrea Gomes Campospt_BR
dc.contributor.refereeCarneiro, Claudia Martinspt_BR
dc.contributor.refereeLuz, Eduardo José da Silvapt_BR
dc.contributor.refereePalmieri, Karla Boaventura Pimentapt_BR
dc.description.abstractenAutomation is becoming more and more present in people’s lives, making processes safer, saving professionals in performing repetitive tasks or self-hazards. In this sense, digital image processing techniques have been gaining more and more space, considering a large number of applications ranging from medical image processing to monitoring industrial activities. In order to automate a real problem through image processing techniques, this work proposes an automatic solution for T. cruzi parasite counts in culture medium and a brief analysis of the same parasite in blood samples from experiments performed at the Laboratory of Immunopathology at NUPEB/UFOP. Nowadays this procedure is manually performed, demanding total involvement by the researcher who uses a statistical counter to help in the task supervision. The solution for this issue must be low cost and practical for the researcher however, there are few approaches in the literature to identify the parasite T. cruzi. For this, we will use methodologies that allow us to identify a characteristic inherent to T. cruzi: its movement. In order to identify the objects’ displacement in the scene, the approach background subtraction was combined with optical flow and Gaussian Mixture Model was applied to the matter of comparison. Experiments were performed with different concentrations of samples in a culture medium, which Berenice 78 was diluted in proportions 1:2, 1:10, and 1:100. The results of the sensibility acquired for each one of these experiments with the algorithm background subtraction with optical flow were 40%, 91%, 85% e 45% respectively. For GMM, the values of sensibility were 73%, 90%, 81% e 86%. Despite the good performance of GMM, this methodology detects a higher number of false positives, therefore the first method is better than the second one.pt_BR
Appears in Collections:Engenharia de Controle e Automação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_ContagemAtuomáticaParasito.pdf3,77 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons