Avaliação de Modelos de Detecção de Objetos para Detectar Glomérulos em Imagens Histológicas
Resumo
Os glomérulos são estrutruas renais responsáveis pela filtragem do sangue e podem ser acometidos por lesões. Atualmente, sistemas computacionais para auxiliar na identficação destas lesões têm sido desenvolvidos, e assim, é de grande importância a detecção destes glomérulos. O objetivo deste trabalho é avaliar o desempenho de modelos de detecção de objetos para a detecção de glomérulos em imagens histológicas digitais. Foram avaliados 3 modelos: SM1 (SSD Mobilenet v1), FRR50 (Faster RCNN Resnet 50) e FRR101 (Faster RCNN Resnet 101), dos quais, o modelo FRR50 obteve o melhor resultado, mAP=0.88.Referências
D. C. Meldau, “Rim - Anatomia dos Rins sistema excretor,” https://www.infoescola.com/sistema-urinario/rim/, 2017, accessed: 2021-07-12.
I. Rychlík, E. Jancová, V. Tesar, A. Kolský, J. Lácha, J. Stejskal, A. Stejskalová, J. Dušek, and o. b. o. t. C. R. o. R. B. Herout, Vladimír, “The Czech registry of renal biopsies. Occurrence of renal diseases in the years 1994–2000,” Nephrology Dialysis Transplantation, vol. 19, no. 12, pp. 3040–3049, 10 2004. [Online]. Available: https://doi.org/10.1093/ndt/gfh521
C. Kelly and J. Landman, “Anatomia do trato urinário,” Coleção Netter de ilustrações médicas. 2a ed. Rio de Janeiro: Saunders-Elsevier, pp. 24–7, 2014.
A. Belsare and M. Mushrif, “Histopathological image analysis using image processing techniques: An overview,” Signal & Image Processing, vol. 3, no. 4, p. 23, 2012.
I. C. de Araújo, L. Schnitman, A. A. Duarte, and W. dos Santos, “Automated detection of segmental glomerulosclerosis in kidney histopathology,” in XIII Brazilian Congress on Computational Intelligence, 2017, p. 12.
G. O. Barros et al., “Pathospotter: um sistema para classificação de glomerulopatias a partir de imagens histológicas renais,” 2016.
G. O. Barros, B. Navarro, A. Duarte, and W. L. Dos-Santos, “Pathospotter-k: A computational tool for the automatic identification of glomerular lesions in histological images of kidneys,” Scientific reports, vol. 7, no. 1, pp. 1–8, 2017.
P. Chagas, L. Souza, I. Araújo, N. Aldeman, A. Duarte, M. Angelo, W. L. Dos-Santos, and L. Oliveira, “Classification of glomerular hypercellularity using convolutional features and support vector machine,” Artificial intelligence in medicine, vol. 103, p. 101808, 2020.
G. O. Barros, B. Navarro, A. Duarte, and W. L. Dos-Santos, “Pathospotter-k: A computational tool for the automatic identification of glomerular lesions in histological images of kidneys,” Scientific reports, vol. 7, no. 1, pp. 1–8, 2017.
I. C. de Araújo, L. Schnitman, A. A. Duarte, and W. dos Santos, “Automated detection of segmental glomerulosclerosis in kidney histopathology,” in XIII Brazilian Congress on Computational Intelligence, 2017, p. 12.
M. C. R. Jonathan, F. A. Michele, C. Santos, and W. Luís, “Detecção automática de glomérulos em imagens histológicas renais digitais,” Anais do XII Simpósio de Engenharia Biomédica - IX Simpósio de Instrumentação e Imagens Médicas, 2019. [Online]. Available: https://doi.org/10.5281/zenodo.3473700
J. Gallego, A. Pedraza, S. Lopez, G. Steiner, L. Gonzalez, A. Laurinavicius, and G. Bueno, “Glomerulus classification and detection based on convolutional neural networks,” Journal of Imaging, vol. 4, no. 1, p. 20, 2018.
O. Simon, R. Yacoub, S. Jain, J. E. Tomaszewski, and P. Sarder, “Multi-radial lbp features as a tool for rapid glomerular detection and assessment in whole slide histopathology images,” Scientific reports, vol. 8, no. 1, pp. 1–11, 2018.
Y. Kawazoe, K. Shimamoto, R. Yamaguchi, Y. Shintani-Domoto, H. Uozaki, M. Fukayama, and K. Ohe, “Faster r-cnn-based glomerular detection in multistained human whole slide images,” Journal of Imaging, vol. 4, no. 7, p. 91, 2018.
T.-Y. Lin, M. Maire, S. Belongie, J. Hays, P. Perona, D. Ramanan, P. Dollár, and C. L. Zitnick, “Microsoft coco: Common objects in context,” in European conference on computer vision. Springer, 2014, pp. 740–755.
I. Rychlík, E. Jancová, V. Tesar, A. Kolský, J. Lácha, J. Stejskal, A. Stejskalová, J. Dušek, and o. b. o. t. C. R. o. R. B. Herout, Vladimír, “The Czech registry of renal biopsies. Occurrence of renal diseases in the years 1994–2000,” Nephrology Dialysis Transplantation, vol. 19, no. 12, pp. 3040–3049, 10 2004. [Online]. Available: https://doi.org/10.1093/ndt/gfh521
C. Kelly and J. Landman, “Anatomia do trato urinário,” Coleção Netter de ilustrações médicas. 2a ed. Rio de Janeiro: Saunders-Elsevier, pp. 24–7, 2014.
A. Belsare and M. Mushrif, “Histopathological image analysis using image processing techniques: An overview,” Signal & Image Processing, vol. 3, no. 4, p. 23, 2012.
I. C. de Araújo, L. Schnitman, A. A. Duarte, and W. dos Santos, “Automated detection of segmental glomerulosclerosis in kidney histopathology,” in XIII Brazilian Congress on Computational Intelligence, 2017, p. 12.
G. O. Barros et al., “Pathospotter: um sistema para classificação de glomerulopatias a partir de imagens histológicas renais,” 2016.
G. O. Barros, B. Navarro, A. Duarte, and W. L. Dos-Santos, “Pathospotter-k: A computational tool for the automatic identification of glomerular lesions in histological images of kidneys,” Scientific reports, vol. 7, no. 1, pp. 1–8, 2017.
P. Chagas, L. Souza, I. Araújo, N. Aldeman, A. Duarte, M. Angelo, W. L. Dos-Santos, and L. Oliveira, “Classification of glomerular hypercellularity using convolutional features and support vector machine,” Artificial intelligence in medicine, vol. 103, p. 101808, 2020.
G. O. Barros, B. Navarro, A. Duarte, and W. L. Dos-Santos, “Pathospotter-k: A computational tool for the automatic identification of glomerular lesions in histological images of kidneys,” Scientific reports, vol. 7, no. 1, pp. 1–8, 2017.
I. C. de Araújo, L. Schnitman, A. A. Duarte, and W. dos Santos, “Automated detection of segmental glomerulosclerosis in kidney histopathology,” in XIII Brazilian Congress on Computational Intelligence, 2017, p. 12.
M. C. R. Jonathan, F. A. Michele, C. Santos, and W. Luís, “Detecção automática de glomérulos em imagens histológicas renais digitais,” Anais do XII Simpósio de Engenharia Biomédica - IX Simpósio de Instrumentação e Imagens Médicas, 2019. [Online]. Available: https://doi.org/10.5281/zenodo.3473700
J. Gallego, A. Pedraza, S. Lopez, G. Steiner, L. Gonzalez, A. Laurinavicius, and G. Bueno, “Glomerulus classification and detection based on convolutional neural networks,” Journal of Imaging, vol. 4, no. 1, p. 20, 2018.
O. Simon, R. Yacoub, S. Jain, J. E. Tomaszewski, and P. Sarder, “Multi-radial lbp features as a tool for rapid glomerular detection and assessment in whole slide histopathology images,” Scientific reports, vol. 8, no. 1, pp. 1–11, 2018.
Y. Kawazoe, K. Shimamoto, R. Yamaguchi, Y. Shintani-Domoto, H. Uozaki, M. Fukayama, and K. Ohe, “Faster r-cnn-based glomerular detection in multistained human whole slide images,” Journal of Imaging, vol. 4, no. 7, p. 91, 2018.
T.-Y. Lin, M. Maire, S. Belongie, J. Hays, P. Perona, D. Ramanan, P. Dollár, and C. L. Zitnick, “Microsoft coco: Common objects in context,” in European conference on computer vision. Springer, 2014, pp. 740–755.
Publicado
18/10/2021
Como Citar
GALVÃO, Abel Ramalho; REHEM, Jonathan M. C.; SANTOS, Washington L. C. dos; OLIVEIRA, Luciano Rebouças de; DUARTE, Angelo Amâncio; ANGELO, Michele Fúlvia.
Avaliação de Modelos de Detecção de Objetos para Detectar Glomérulos em Imagens Histológicas. In: WORKSHOP DE TRABALHOS EM ANDAMENTO - CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI), 34. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 150-153.
DOI: https://doi.org/10.5753/sibgrapi.est.2021.20028.
