| Summary: | A identificação automática de leucócitos representa um factor de combatividade e de qualidade para os modernos laboratórios de análises clínicas. No entanto, as classes de leucócitos que os actuais equipamentos conseguem identificar ficam aquém do necessário. Com esta tese pretendeu-se desenvolver métodos baseados em redes neuronais que pudessem aprender a segmentar e a classificar automaticamente qualquer das classes de imagens de leucócitos. Começou por fazer-se um estudo sobre as características das imagens de sangue humano adquiridas pelo microscópio óptico. A natureza dessas imagens cria muitos problemas a um sistema de visão artificial. As abordagens por nós propostas para a segmentação e classificação dos leucócitos foram no sentido de ultrapassar esses problemas. Ao basearam-se em redes neuronais, permitem a aprendizagem destas tarefas através de exemplos, o que constitui uma vantagem muito grande relativamente a outros métodos. No entanto, o ponto frágil das redes neuronais reside na eficácia do treino a que elas são sujeitas e que por vezes é difícil de conseguir. Os estudos e implementações que foram efectuadas com as redes neuronais permitiram minimizar alguns desses problemas. Como principal conclusão podemos dizer que seguindo as abordagens apresentadas, a utilização de redes neuronais para resolver os problemas da segmentação e classificação de leucócitos é perfeitamente possível, desde que os padrões de treino sejam bem representativos do universo das imagens de leucócitos e a convergência da rede neuronal seja conseguida.
|
|---|