Explorando características texturais em imagens biomédicas: avaliação de GLCM e VGG16 para classificação de grupos tratados e controles (2024)
- Authors:
- Autor USP: ZAMPRONI, LAURA NICOLETI - ICMC
- Unidade: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; CÉLULAS-TRONCO
- Keywords: GLCM; VGG16; PCA; SVM; MLP
- Language: Português
- Abstract: A análise de imagens biomédicas é uma ferramenta essencial para investigar processos biológicos e identificar padrões associados a condições normais ou patológicas. No entanto, o volume crescente de dados gerados por tecnologias modernas de imagem desafia os métodos tradicionais em termos de precisão, escalabilidade e velocidade. A integração de inteligência artificial e aprendizado de máquina pode superar essas limitações, proporcionando análises mais robustas e automatizadas. Neste estudo, aplicamos abordagens computacionais para investigar alterações morfológicas em células-tronco neurais (NSCs) tratadas com hemoglobina. Foram utilizados dois métodos de extração de características, GLCM e VGG16, cuja eficácia foi avaliada por análise de componentes principais (PCA) e classificadores baseados em SVM e MLP. Os resultados mostraram que a separação entre os grupos "Controle" e "Tratado" era evidente nos gráficos de PCA, mesmo quando diferenças não eram detectáveis visualmente. Enquanto o GLCM destacou mudanças texturais locais, o VGG16 capturou padrões globais abstratos, ambos consistentes com alterações morfológicas associadas ao estresse oxidativo e inflamatório induzido pelo tratamento. Os achados corroboram dados de expressão gênica que sugerem perda de pluripotência e transição para um fenótipo glial, refletindo remodelações no citoesqueleto e na matriz extracelular. Este estudo destaca o potencial das técnicas computacionais avançadas na biologia celular, contribuindo para novas perspectivas no estudo de processos patológicos e no desenvolvimento de terapias regenerativas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
ZAMPRONI, Laura Nicoleti. Explorando características texturais em imagens biomédicas: avaliação de GLCM e VGG16 para classificação de grupos tratados e controles. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/b528477c-52ba-488f-8f8e-93610e70d8b1/Laura_Nicoleti_Zamproni.pdf. Acesso em: 17 abr. 2025. -
APA
Zamproni, L. N. (2024). Explorando características texturais em imagens biomédicas: avaliação de GLCM e VGG16 para classificação de grupos tratados e controles (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/b528477c-52ba-488f-8f8e-93610e70d8b1/Laura_Nicoleti_Zamproni.pdf -
NLM
Zamproni LN. Explorando características texturais em imagens biomédicas: avaliação de GLCM e VGG16 para classificação de grupos tratados e controles [Internet]. 2024 ;[citado 2025 abr. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/b528477c-52ba-488f-8f8e-93610e70d8b1/Laura_Nicoleti_Zamproni.pdf -
Vancouver
Zamproni LN. Explorando características texturais em imagens biomédicas: avaliação de GLCM e VGG16 para classificação de grupos tratados e controles [Internet]. 2024 ;[citado 2025 abr. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/b528477c-52ba-488f-8f8e-93610e70d8b1/Laura_Nicoleti_Zamproni.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Laura_Nicoleti_Zamproni.p... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
