Segmentação de núcleos em células cervicais obtidas em exames de Papanicolaou.

Abstract

Este trabalho tem seu foco na detecção de núcleos em imagens sintéticas de células cervicais. Este é um passo importante na construção de uma ferramenta computacional para ajudar os citopatologistas a identificarem alterações celulares a partir de exames de Papanicolaou. Para detectar esses núcleos propomos duas abordagens, a primeira baseada em Iterated Local Search (ILS) e a segunda em Árvore de Decisão (DT). O objetivo é melhorar a assertividade do exame e reduzir a carga de trabalho do profissional. As duas abordagens utilizam características de uma região da imagem para identificar um núcleo. Para ambas, foi necessário fazer um pré-processamento das imagens para dividí-las em regiões a serem analisadas. Para isto, foram utilizados os algoritmos Simple Linear Iterative Clustering (SLIC) e Density Based Spatial Clustering of Applications with Noise (DBSCAN). No ILS, foi feita uma investigação para saber quais dessas características são relevantes para a identificação dos núcleos. O pacote irace foi utilizado para fazer a calibração automática dos parâmetros do ILS. Já para a DT proposta, foi construída uma base de dados com todas as características extraídas das regiões e feita uma seleção das mais importantes por meio de uma matriz de correlação. Com essas características selecionadas foi feito o treinamento. Por fim, as abordagens propostas foram comparadas entre si e com outros métodos da literatura segundo as métricas revocação, precisão e F1, usando-se o banco de dados ISBI Overlapping Cytology Image Segmentation Challenge (2014). Os resultados obtidos mostraram a superioridade da abordagem via DT sobre o ILS em todas as métricas, assim como sua superioridade sobre todos os outros métodos da literatura com relação às métricas F1 e revocação.