Registro fonte: Análise de histopatologia renal usando deep learning

Análise de histopatologia renal usando deep learning

In this work we use convolutional neural network and deep learning to detect objects of biomedical interest (i.e., glomeruli) in whole digitalized slides from studies of renal pathology. The analysis of glomeruli is important for studies of nephropathies caused by diabetes, lupus, drug use, excess o...

ver descrição completa

Autor principal:	Barbosa, Lourenço Madruga
Formato:	Dissertação
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2022
Assuntos:	Aprendizado de máquinas Redes neurais (Computação) Glomérulos renais Histopatologia Processamento de imagens - Técnicas digitais Machine learning Neural networks (Computer science) Kidney glomerulus Histology, Pathological Image processing - Digital techniques CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA Engenharia Elétrica
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/27820
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-27820
recordtype	dspace
spelling	riut-1-278202022-04-05T06:08:04Z Análise de histopatologia renal usando deep learning Analysis of kidney histopathology using deep learning Barbosa, Lourenço Madruga Schneider, Fabio Kurt https://orcid.org/ 0000-0001-6916-1361 http://lattes.cnpq.br/1463591813823167 Silva, Wilson Jose da https://orcid.org/0000-0002-6288-3625 http://lattes.cnpq.br/6419561860187332 Casanova, Dalcimar https://orcid.org/0000-0002-1905-4602 http://lattes.cnpq.br/4155115530052195 Schneider, Fabio Kurt https://orcid.org/ 0000-0001-6916-1361 http://lattes.cnpq.br/1463591813823167 Prado, Karin Braun https://orcid.org/0000-0002-9652-0566 http://lattes.cnpq.br/0480268360549702 Aprendizado de máquinas Redes neurais (Computação) Glomérulos renais Histopatologia Processamento de imagens - Técnicas digitais Machine learning Neural networks (Computer science) Kidney glomerulus Histology, Pathological Image processing - Digital techniques CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA Engenharia Elétrica In this work we use convolutional neural network and deep learning to detect objects of biomedical interest (i.e., glomeruli) in whole digitalized slides from studies of renal pathology. The analysis of glomeruli is important for studies of nephropathies caused by diabetes, lupus, drug use, excess of drugs, among other causes. The digitization of entire slides allows the application of a variety of digital image processing techniques and the use of artificial intelligence to assist doctors in diagnoses. We carried out the of a YOLOv3 convolutional neural network of architecture with 53 layers. The training and performance analysis of the network had 6 experiments. The training data set contained a total of 16 entire slides, divided into sub-images of 2048x2048, which resulted in a total of 815 images, containing a total of 2325 annotated glomeruli, for training, validation and performance evaluation. For the performance analysis of the trained network (i.e., detection), 7 unknown slides of the network were selected. Based on the result found, it is possible to state that the result of this work is superior to those found in the literature. Accuracy, Precision, Sensitivity, Specificity and F1s of 99.40%, 97.31%, 96.17%, 99.73% and 94.24%, respectively, were obtained in this work showing the potential to assist in the diagnosis of histopathological exams. Neste trabalho utilizamos redes neurais convolucionais e aprendizagem profunda para detectar objetos de interesse biomédico (i.e., glomérulos) em lâminas inteiras digitalizadas de estudos de patologia renal. A análise de glomérulos é importante para estudos de nefropatias causadas por diabetes, lúpus, uso de drogas, excesso de fármacos, entre outras causas. A digitalização de lâminas inteiras permite a aplicação de uma variedade de técnicas de processamento digital de imagem e uso de inteligência artificial para auxiliar os médicos em diagnósticos. Efetuamos o treinamento de uma rede neural convolucional YOLOv3 de arquitetura com 53 camadas. O treinamento e análise de desempenho da rede contou com 6 experimentos. O conjunto de dados de treinamento, continha um total de 16 lâminas inteiras, divididas em subimagens de 2048x2048, que resultaram em um total de 815 imagens, contendo um total de 2325 glomérulos anotados, para o treinamento, validação e avaliação de desempenho. Para a análise de desempenho da rede treinada (i.e., detecção), foram selecionadas 7 lâ- minas desconhecidas da rede. Com base no resultado encontrado, é possível afirmar que o resultado deste trabalho é superior aos encontrados na literatura. Acurácia, Precisão, Sensibilidade, Especificidade e F1s de 99,40%, 97,31%, 96,17%, 99,73% e 94,24%, respectivamente, foram obtidas neste trabalho mostrando o potencial para auxiliar nos diagnósticos de exames histopatológicos. 2022-04-04T20:40:20Z 2022-04-04T20:40:20Z 2020-12-17 masterThesis BARBOSA, Lourenco Madruga. Análise de histopatologia renal usando deep learning. 2020. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2020. http://repositorio.utfpr.edu.br/jspui/handle/1/27820 por openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Tecnológica Federal do Paraná Curitiba Brasil Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Aprendizado de máquinas Redes neurais (Computação) Glomérulos renais Histopatologia Processamento de imagens - Técnicas digitais Machine learning Neural networks (Computer science) Kidney glomerulus Histology, Pathological Image processing - Digital techniques CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA Engenharia Elétrica
spellingShingle	Aprendizado de máquinas Redes neurais (Computação) Glomérulos renais Histopatologia Processamento de imagens - Técnicas digitais Machine learning Neural networks (Computer science) Kidney glomerulus Histology, Pathological Image processing - Digital techniques CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA Engenharia Elétrica Barbosa, Lourenço Madruga Análise de histopatologia renal usando deep learning
description	In this work we use convolutional neural network and deep learning to detect objects of biomedical interest (i.e., glomeruli) in whole digitalized slides from studies of renal pathology. The analysis of glomeruli is important for studies of nephropathies caused by diabetes, lupus, drug use, excess of drugs, among other causes. The digitization of entire slides allows the application of a variety of digital image processing techniques and the use of artificial intelligence to assist doctors in diagnoses. We carried out the of a YOLOv3 convolutional neural network of architecture with 53 layers. The training and performance analysis of the network had 6 experiments. The training data set contained a total of 16 entire slides, divided into sub-images of 2048x2048, which resulted in a total of 815 images, containing a total of 2325 annotated glomeruli, for training, validation and performance evaluation. For the performance analysis of the trained network (i.e., detection), 7 unknown slides of the network were selected. Based on the result found, it is possible to state that the result of this work is superior to those found in the literature. Accuracy, Precision, Sensitivity, Specificity and F1s of 99.40%, 97.31%, 96.17%, 99.73% and 94.24%, respectively, were obtained in this work showing the potential to assist in the diagnosis of histopathological exams.
format	Dissertação
author	Barbosa, Lourenço Madruga
author_sort	Barbosa, Lourenço Madruga
title	Análise de histopatologia renal usando deep learning
title_short	Análise de histopatologia renal usando deep learning
title_full	Análise de histopatologia renal usando deep learning
title_fullStr	Análise de histopatologia renal usando deep learning
title_full_unstemmed	Análise de histopatologia renal usando deep learning
title_sort	análise de histopatologia renal usando deep learning
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2022
citation	BARBOSA, Lourenco Madruga. Análise de histopatologia renal usando deep learning. 2020. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2020.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/27820
_version_	1805313811022872576
score	10,814766

Análise de histopatologia renal usando deep learning

Registros relacionados