Detecção de ovos de Schistosoma mansoni a partir da detecção de seus contornos
Dissertação disponível na Biblioteca da USP

Resumo
Schistosoma mansoni é o parasita causador da esquistossomose mansônica que, de acordo com o Ministério da Saúde do Brasil, afeta atualmente vários milhões de pessoas. Uma das formas de diagnóstico da esquistossomose é a detecção de ovos do parasita através da análise de lâminas microscópicas com material fecal. Esta tarefa é extremamente cansativa, principalmente nos casos de baixa endemicidade, pois a quantidade de ovos é muito pequena. Nesses casos, uma abordagem computacional para auxílio na detecção de ovos facilitaria o trabalho de diagnóstico.

Os ovos têm formato ovalado, possuem uma membrana translúcida, apresentam uma espícula e sua cor é ligeiramente amarelada. Porém nem todas essas características são observadas em todos os ovos e algumas delas são visíveis apenas com uma ampliação adequada. Além disso, o aspecto visual do material fecal varia muito de indivíduo para indivíduo em termos de cor e presença de diversos artefatos (tais como partículas que não são desintegradas pelo sistema digestivo), tornando difícil a tarefa de detecção dos ovos.

Neste trabalho investigamos, em particular, o problema de detecção das linhas que contornam a borda de vários dos ovos. Devido a complexidade das imagens, que possuem fundo repleto de artefatos, vários tipos de texturas, e cores que variam de caso para caso, os detectores de linha tradicionais não apresentam bons resultados.

Propomos um método composto por duas fases. A primeira fase consiste na detecção de estruturas do tipo linha usando operadores morfológicos. A detecção de linhas é dividida em três etapas principais: (i) realce de linhas, (ii) detecção de linhas, e (iii) refinamento para eliminar segmentos de linhas que não são de interesse. O resultado dessa fase é um conjunto de segmentos de linhas. A segunda fase consiste na detecção de subconjuntos de segmentos de linha dispostos em formato elíptico, usando um algoritmo baseado na transformada Hough. As elipses detectadas são fortes candidatas a contorno de ovos de S. mansoni.

Resultados experimentais mostram que a abordagem proposta pode ser útil para compor um sistema de auxílio à detecção dos ovos.



Apresentação de pôster no VIII Workshop de Visão Computacional, UFG - Goiânia - Go - Brasil, 2012
Detecção de ovos de S. mansoni em imagens microscópicas.
Edwin Delgado H, Nina Hirata, Eduardo Finger.
Metodo proposto
O método proposto utiliza um conjunto de técnicas computacionais:

Por exemplo, na fase de detecção de linhas, na etapa de realce de linhas usa-se um método de suavizado, seguido do método filtro de ordem e logo um fechamento Top-Hat.
Na etapa de detecção de linhas, calcula-se o máximo de vários resultados de erosões com elemento estruturante linha em diferentes orientações. Logo converte-se a imagem de tons de cinza a binária.
Na etapa de refinamento do resultado, apaga-se o ruído das bordas e aplica-se o operador abertura de área.

Na segunda fase, na detecção de elipses, usa-se a Transformada Hough sobre o resultado da fase anterior, para calcular possíveis elipses sobre segmentos de linha em disposição elíptica.

Observe que as etapas da primeira fase são relativamente independentes. A etapa de realce de linhas, assim como a de refinamento do resultado, podem ser eventualmente omitidos do processo. Optou-se por assim organizar o processamento para facilitar a exposição da abordagem proposta no trabalho.
Resultados
Resultado de cada etapa e fase do método, para uma imagem com presença de ovo.
Imagem em níveis de cinza
Suavizado
Rank Filter
Top Hat
Erosão por linhas
Limiarização
Abertura de área
Marcação da borda
Reconstrução da borda
Remoção da borda
Detecção de elipses

Resultados para regiões de imagens completas com presença de ovo.
Bibliotecas, Pacotes e software necessário para executar a ferramenta desenvolvida:
Configurações:
Vamos supor que o software foi descarregado em /home/user/software/, e o pacote MMorph encontra-se em /home/user/software/morph4python16/.
As seguintes configurações devem ser realizadas:
  1. Incluir o caminho da licença do pacote MMorph na variável de ambiente PATH.
    Deve-se digitar o seguinte:
    export PATH = $PATH:/home/user/software/morph4python16
  2. Criar a variável de ambiente LD_LIBRARY_PATH,
    para que o computador encontre as bibliotecas compartilhadas do software e do pacote MMorph (.so).
    Deve-se digitar o seguinte:
    export LD_LIBRARY_PATH = $LD_LIBRARY_PATH:/home/user/software/morph4python16:/home/user/software
Algoritmos
Os algoritmos para detectar candidatos a centro de elipses, os eixos e orientação referentes a esses centros, e a detecção das elipses usando os dois primeiros algoritmos são apresentados a seguir. A descrição desses algoritmos foi elaborada a partir da implementação de McLaughlin, R.A. et al.

Algoritmo: Encontrar centro da elipse
Algoritmo: Encontrar outros três parâmetros da elipse (eixo maior, menor e orientação)
Algoritmo: Transformada Hough para Elipses
Código fonte
O código fonte do projeto, encontra-se no repositório remoto github

Os arquivos principais em Python são:
  1. funcoes.py
  2. processoSuavizado.py
  3. processoFiltroDeOrdem.py
  4. processoDeteccaoDeContornos.py
  5. processoDeteccaoDeElipses.py

O arquivos principais em C são:
  1. funcoes.c
  2. Implementação da Transformada Hough de McLaughlin, R.A. et al. Também disponível em hough.c

Desenvolveu-se um tutorial do uso da ferramenta computacional. O tutorial também serve para observar detalhes da metodologia proposta. O tutorial encontra-se no youtube. Também disponível em Tutorial-MorphLineDetection-v1.flv

Valid CSS! Valid HTML 4.01 Transitional
Copyright © 2012 (Edwin-Delgado-H)