PathoSpotter Classifier: Uma Serviço Web para Auxílio à Classificação de Lesões em Glomérulos Renais

• Sarah P. Cerqueira UEFS
• Ellen C. Aguiar UEFS
• Angelo A. Duarte UEFS
• Washington L. C. dos Santos Fundação Oswaldo Cruz
• Luciano R. Oliveira UFBA
• Michele F. Ângelo UEFS

DOI: https://doi.org/10.5753/sbcas.2021.16053

Resumo

Nos últimos anos, o Projeto PathoSpotter desenvolveu e aperfeiçoou classificadores para auxílio ao diagnóstico de lesões em imagens digitais de biópsias renais. Entre as metas do Projeto está a disponibilização destes classificadores para que patologistas possam utiliza-los de forma a facilitarem sua prática médica e também contribuírem para o aprimoramento do sistema. Esse trabalho apresenta a arquitetura do PathoSpotter Classifier, o serviço Web criado pelo Projeto PathoSpotter, e como foram vencidos os desafios enfrentados para a distribuição do sistema para uso por patologistas.

Referências

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.