PathoSpotter Classifier: Uma Serviço Web para Auxílio à Classificação de Lesões em Glomérulos Renais
Abstract
In recent years, the PathoSpotter Project has developed and perfected classifiers to aid in the diagnosis of lesions in digital images of renal biopsies. Among the goals of the project is the availability of these classifiers so that pathologists can use them to facilitate their medical practice and also contribute to the improvement of the system. This work presents the architecture of the PathoSpotter Classifier, the Web service created by the PathoSpotter Project, and how the challenges faced in distributing the system for use by pathologists were overcome.
References
Alcalde, P. R. and Kirsztajn, G. M. (2018). Gastos do sistemaúnico de saúde brasileiro com doença renal crônica. Brazilian Journal of Nephrology, 40(2):122–129.
Apache, S. F. (2020). Welcome! - the apache http server project. https://httpd.apache.org. Acessado em 19 de março de 2021.
Barros, G. O., Navarro, B., Duarte, A., and Dos-Santos, W. L. (2017). Pathospotter-k: A computational tool for the automatic identication of glomerular lesions in histological images of kidneys. Scientic reports, 7(1):1–8.
Bastos, M. G., Bregman, R., and Kirsztajn, G. M. (2010). Doença renal crônica: frequente e grave, mas também prevenível e tratável. Revista da Associação Médica Brasileira, 56(2):248–253.
Chagas, P., Souza, L., Araújo, I., Aldeman, N., Duarte, A., Angelo, M., Dos-Santos, W. L., and Oliveira, L. (2020). Classication of glomerular hypercellularity using convolutional features and support vector machine. Articial intelligence in medicine, 103:101808.
Chesneau, B. (2020). Gunicorn - wsgi server. https://docs.gunicorn.org/en/stable/. Acessado em 19 de março de 2021.
de Araújo, I. C., Schnitman, L., Duarte, A. A., and dos Santos, W. L. (2017). Automated detection of segmental glomerulosclerosis in kidney histopathology. In XIII Brazilian Congress on Computational Intelligence, page 12.
Eby, P. J. (2010). Python web server gateway interface v1.0.1. https://www.python.org/dev/peps/pep-3333/. Acessado em 19 de março de 2021.
JetBrains (2020). Python developers survey 2020 results. https://www.jetbrains.com/lp/python-developers-survey-2020/. Acessado em 19 de março de 2021.
Mozilla, D. N. (2021). Introdução ao django. https://developer.mozilla.org/pt-BR/docs/Learn/Server-side/Django/Introduction. Acessado em 19 de março de 2021.
Rigo, A. and Tismer, C. (2011). greenlet: Lightweight concurrent programming. https: //greenlet.readthedocs.io/en/latest/. Acessado em 19 de março de 2021.
Silva, P. A. B., Silva, L. B., Santos, J. F. G., and Soares, S. M. (2020). Brazilian public policy for chronic kidney disease prevention: challenges and perspectives. Revista de Saúde Pública, 54:86.
Sweet, G. M. M. et al. (2011). Glomerulopatias prevalentes na Bahia, um estudo baseado em biópsias. PhD thesis, Centro de Pesquisas Gonçalo Moniz.
Tornado (2020). Tornado web server. https://www.tornadoweb.org/en/stable/. Acessado em 19 de março de 2021.
Apache, S. F. (2020). Welcome! - the apache http server project. https://httpd.apache.org. Acessado em 19 de março de 2021.
Barros, G. O., Navarro, B., Duarte, A., and Dos-Santos, W. L. (2017). Pathospotter-k: A computational tool for the automatic identication of glomerular lesions in histological images of kidneys. Scientic reports, 7(1):1–8.
Bastos, M. G., Bregman, R., and Kirsztajn, G. M. (2010). Doença renal crônica: frequente e grave, mas também prevenível e tratável. Revista da Associação Médica Brasileira, 56(2):248–253.
Chagas, P., Souza, L., Araújo, I., Aldeman, N., Duarte, A., Angelo, M., Dos-Santos, W. L., and Oliveira, L. (2020). Classication of glomerular hypercellularity using convolutional features and support vector machine. Articial intelligence in medicine, 103:101808.
Chesneau, B. (2020). Gunicorn - wsgi server. https://docs.gunicorn.org/en/stable/. Acessado em 19 de março de 2021.
de Araújo, I. C., Schnitman, L., Duarte, A. A., and dos Santos, W. L. (2017). Automated detection of segmental glomerulosclerosis in kidney histopathology. In XIII Brazilian Congress on Computational Intelligence, page 12.
Eby, P. J. (2010). Python web server gateway interface v1.0.1. https://www.python.org/dev/peps/pep-3333/. Acessado em 19 de março de 2021.
JetBrains (2020). Python developers survey 2020 results. https://www.jetbrains.com/lp/python-developers-survey-2020/. Acessado em 19 de março de 2021.
Mozilla, D. N. (2021). Introdução ao django. https://developer.mozilla.org/pt-BR/docs/Learn/Server-side/Django/Introduction. Acessado em 19 de março de 2021.
Rigo, A. and Tismer, C. (2011). greenlet: Lightweight concurrent programming. https: //greenlet.readthedocs.io/en/latest/. Acessado em 19 de março de 2021.
Silva, P. A. B., Silva, L. B., Santos, J. F. G., and Soares, S. M. (2020). Brazilian public policy for chronic kidney disease prevention: challenges and perspectives. Revista de Saúde Pública, 54:86.
Sweet, G. M. M. et al. (2011). Glomerulopatias prevalentes na Bahia, um estudo baseado em biópsias. PhD thesis, Centro de Pesquisas Gonçalo Moniz.
Tornado (2020). Tornado web server. https://www.tornadoweb.org/en/stable/. Acessado em 19 de março de 2021.
Published
2021-06-15
How to Cite
CERQUEIRA, Sarah P.; AGUIAR, Ellen C.; DUARTE, Angelo A.; SANTOS, Washington L. C. dos; OLIVEIRA, Luciano R.; ÂNGELO, Michele F..
PathoSpotter Classifier: Uma Serviço Web para Auxílio à Classificação de Lesões em Glomérulos Renais. In: BRAZILIAN SYMPOSIUM ON COMPUTING APPLIED TO HEALTH (SBCAS), 21. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 60-70.
ISSN 2763-8952.
DOI: https://doi.org/10.5753/sbcas.2021.16053.
