Sistema para análise de imagens de imuno-histoquímica para tecidos de carcinomas mamários utilizando técnicas de visão computacional e reconhecimento de padrões

Abstract

A doença com maior incidência em mulheres no mundo e sua principal causa de óbito é o câncer de mama. As chances de sobrevivência podem ser aumentadas com o diagnóstico precoce, obtido através da análise de imagens do tecido canceroso por um profissional da área de patologia. Embora existam sistemas computacionais que atuem no auxílio ao diagnóstico, muitas vezes o esforço manual é preferível para detecção e contagem celular na amostra a fim de se obter métricas quantificáveis da expressão da doença no tecido. Nesse contexto, o trabalho em questão apresenta a modelagem de um sistema computacional, cujo objetivo é a detecção e contagem automatizada de células em amostras de câncer mamário, pigmentados por imuno-histoquímica utilizando técnicas de visão computacional e reconhecimento de padrões. Além do uso de métodos computacionais já difundidos, criou-se aqui um método iterativo para segmentação de núcleos celulares sobrepostos. Resultados preliminares demonstraram 94.66% de precisão do algoritmo na detecção nuclear.

The disease with the highest worldwide incidence in women and their main cause of death is breast cancer. The chances of survival can be increased with early diagnosis, obtained through the analysis of images of cancerous tissue by a professional in the field of pathology. Although computational systems exist that can assist in the diagnosis, manual effort is often preferable for detecting and counting cells in the sample in order to obtain quantifiable metrics of the expression of the disease in the tissue. In this context, the work in question presents the modeling of a computer system whose objective is the detection and automated counting of cells in breast cancer samples, pigmented by immunohistochemistry using computer vision and pattern recognition techniques. In addition to the use of already-widespread computational methods, an iterative method was created here for the segmentation of overlapping cell nuclei. Preliminary results have demonstrated a 94, 66% accuracy of the algorithm in nuclear detection.