Aplicação de novo modelo matemático para remoção de contaminantes em imagens hiperespectrais de cortes histológicos de câncer de tireoide
Data
2024-09-13
Autores
Almeida, Eloah da SIlva 
Orientadores
Pereira, Thiago Martini
Tipo
Trabalho de conclusão de curso
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Na oncologia a classificação precisa da neoplasia é fundamental, em que a medicina diagnóstica exerce um papel crucial possibilitando a detecção e o diagnóstico precoce. No entanto, o exame histopatológico, de extrema importância, enfrenta limitações advindas da experiência necessária dos médicos patolo-gistas. A extração de informações bioquímicas das amostras histológicas surge como uma solução promissora. Nesse contex-to, as técnicas de micro-FTIR (Espectroscopia de Infraverme-lho por Transformada de Fourier) apresentam potencial para a coleta deste tipo de informação. Com isso, torna-se necessário empregar técnicas de processamento de imagens que visam remover artefatos não relacionados à amostra, como o espalhamento da luz e a absorção por contaminantes, como vapor d'água e parafina. O objetivo deste trabalho é avaliar uma nova metodologia para processamento dos dados infravermelho em cortes histológicos de tireoide e avaliar a sua eficácia com métricas quantitativas sobre os resultados. Foram utilizadas 44 imagens de micro-FTIR provenientes de cortes histoló-gicos da tireoide, depositadas em janelas de fluoreto de cálcio (CaF2). As imagens foram coletadas em modo de transmissão, com uma resolução de 4 cm-1 e 2 scans por pixel. Antes da coleta de cada imagem, foi realizado o background com 256 scans. Utilizando a técnica Extended Multiplicative Signal Correction (EMSC) nas imagens de micro FTIR do conjunto de amostras, corrigimos a linha de base (espelhamento Mie) e eliminamos as influências dos contaminantes, como vapor d'água e/ou parafina. Por meio do método de OTSU, removemos pixels sem amostra e/ou com baixa relação sinal-ruído. Com o emprego da técnica de agrupamento k-means, segmentamos as imagens de acordo com seus componentes bioquímicos e, com base nessa segmentação, geramos imagens de falsa-cor (KM-IMGs). Os resultados obtidos do processamento de 44 imagens, revelam uma consistência significativa entre a imagem de HE e as KM-IMGs.