@MASTERSTHESIS{ 2012:1462103329,
 	title = {Reconhecimento e segmenta??o do mycobacterium tuberculosis em imagens de microscopia de campo claro utilizando as caracter?sticas de cor e o algoritmo backpropagation},
 	year = {2012},
 	url = "http://tede.ufam.edu.br/handle/tede/3292",
 	abstract = "A tuberculose (TB) ? uma doen?a infectocontagiosa, transmitida pelo bacilo de Koch, ou
 Mycobacterium tuberculosis. Estima-se que 1,4 milh?es de pessoas morreram de tuberculose
 em 2010. Cerca de 95% dessas mortes ocorreram em pa?ses subdesenvolvidos ou em
 desenvolvimento. No Brasil, a cada ano s?o registrados mais de 68 mil novos casos.
 Atualmente, o Amazonas ? o estado brasileiro com a maior taxa de incid?ncia da doen?a. Um
 dos m?todos de diagn?stico da TB, adotado pelo Minist?rio da Sa?de, ? o exame de
 baciloscopia de campo claro. A baciloscopia consiste na contagem dos bacilos em l?minas
 contendo amostras de escarro do paciente, preparadas e coradas de acordo com metodologia
 padronizada. Nos ?ltimos cinco anos, pesquisas relacionadas ao reconhecimento de bacilos da
 tuberculose, utilizando imagens obtidas por microscopia de campo claro, tem sido realizadas
 com vistas a automatiza??o desse m?todo diagn?stico, em face do fato de que o n?mero
 elevado de exames de baciloscopia realizado pelos profissionais induzirem a fadiga visual e
 em consequ?ncia a erros diagn?sticos. Esse trabalho apresenta um novo m?todo de
 reconhecimento e segmenta??o de bacilos da tuberculose em imagens de campos de l?minas,
 contendo secre??o pulmonar do paciente, coradas pelo m?todo de Kinyoun. A partir dessas
 imagens foram extra?das amostras de pixels de bacilos e de fundo para treinamento do
 classificador. As imagens foram automaticamente discriminadas em dois grupos, de acordo
 com o conte?do de fundo. O m?todo desenvolvido seleciona um conjunto ?timo de
 caracter?sticas de cor do bacilo e do fundo da imagem, empregando o m?todo de sele??o
 escalar de caracter?sticas. Essas caracter?sticas foram utilizadas em um classificador de pixels,
 um perceptron multicamada, treinado pelo algoritmo backpropagation. O conjunto ?timo de
 caracter?sticas selecionadas, {G-I, Y-Cr, L-a, R-G, a}, proveniente dos espa?os de cores RGB,
 HSI, YCbCr e Lab, combinado com a rede perceptron com 18 (dezoito) neur?nios na
 primeira camada, 3 (tr?s) na segunda e 1 (um) na terceira (18-3-1), resultou em uma acur?cia
 de 92,47% na segmenta??o dos bacilos. O m?todo de discrimina??o de imagens em rela??o ao
 conte?do de fundo automatizado contribuiu para afirmar que o m?todo descrito neste trabalho
 ? mais adequado para segmentar bacilos em imagens com baixa densidade de conte?do de
 fundo (fundo mais uniforme). Para os trabalhos futuros, novas t?cnicas para remover os
 ru?dos presentes em imagens com alta densidade de conte?do de fundo (fundo contendo
 muitos artefatos) devem ser desenvolvidas.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Engenharia El?trica},
 	note = {Faculdade de Tecnologia}
}