@MASTERSTHESIS{ 2012:821130941,
 	title = {Reconhecimento e segmentação do mycobacterium tuberculosis em imagens de microscopia de campo claro utilizando as características de cor e o algoritmo backpropagation},
 	year = {2012},
 	url = "http://tede.ufam.edu.br/handle/tede/3292",
 	abstract = "A tuberculose (TB) é uma doença infectocontagiosa, transmitida pelo bacilo de Koch, ou
 Mycobacterium tuberculosis. Estima-se que 1,4 milhões de pessoas morreram de tuberculose
 em 2010. Cerca de 95% dessas mortes ocorreram em países subdesenvolvidos ou em
 desenvolvimento. No Brasil, a cada ano são registrados mais de 68 mil novos casos.
 Atualmente, o Amazonas é o estado brasileiro com a maior taxa de incidência da doença. Um
 dos métodos de diagnóstico da TB, adotado pelo Ministério da Saúde, é o exame de
 baciloscopia de campo claro. A baciloscopia consiste na contagem dos bacilos em lâminas
 contendo amostras de escarro do paciente, preparadas e coradas de acordo com metodologia
 padronizada. Nos últimos cinco anos, pesquisas relacionadas ao reconhecimento de bacilos da
 tuberculose, utilizando imagens obtidas por microscopia de campo claro, tem sido realizadas
 com vistas a automatização desse método diagnóstico, em face do fato de que o número
 elevado de exames de baciloscopia realizado pelos profissionais induzirem a fadiga visual e
 em consequência a erros diagnósticos. Esse trabalho apresenta um novo método de
 reconhecimento e segmentação de bacilos da tuberculose em imagens de campos de lâminas,
 contendo secreção pulmonar do paciente, coradas pelo método de Kinyoun. A partir dessas
 imagens foram extraídas amostras de pixels de bacilos e de fundo para treinamento do
 classificador. As imagens foram automaticamente discriminadas em dois grupos, de acordo
 com o conteúdo de fundo. O método desenvolvido seleciona um conjunto ótimo de
 características de cor do bacilo e do fundo da imagem, empregando o método de seleção
 escalar de características. Essas características foram utilizadas em um classificador de pixels,
 um perceptron multicamada, treinado pelo algoritmo backpropagation. O conjunto ótimo de
 características selecionadas, {G-I, Y-Cr, L-a, R-G, a}, proveniente dos espaços de cores RGB,
 HSI, YCbCr e Lab, combinado com a rede perceptron com 18 (dezoito) neurônios na
 primeira camada, 3 (três) na segunda e 1 (um) na terceira (18-3-1), resultou em uma acurácia
 de 92,47% na segmentação dos bacilos. O método de discriminação de imagens em relação ao
 conteúdo de fundo automatizado contribuiu para afirmar que o método descrito neste trabalho
 é mais adequado para segmentar bacilos em imagens com baixa densidade de conteúdo de
 fundo (fundo mais uniforme). Para os trabalhos futuros, novas técnicas para remover os
 ruídos presentes em imagens com alta densidade de conteúdo de fundo (fundo contendo
 muitos artefatos) devem ser desenvolvidas.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Engenharia Elétrica},
 	note = {Faculdade de Tecnologia}
}