221
SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE
CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO
PARA DISPOSITIVOS MÓVEIS
Jean-Jacques S. De Groote - Prof. Dr. do Centro Universitário Uniseb de Ribeirão Preto.
Resumo
Uma linha de pesquisa que vem ganhando relevância com o avanço da tecnologia de
dispositivos móveis é a visão computacional. A portabilidade de minicomputadores gera uma
nova dimensão à aplicação de técnicas para a análise de imagens digitais, com potencial para
auxiliar profissionais de diversas áreas. Na medicina essas técnicas são de grande utilidade
como complemento ao diagnóstico médico tanto na melhora da qualidade da imagem para
visualização direta quanto para extração de informações relevantes. Neste trabalho são
apresentados os primeiros resultados de um software voltado para identificação de células
endoteliais corneanas que pode ser executado em miniprocessadores.
1. Introdução
Nos últimos anos, não apenas os computadores de mesa e laptops se tornaram mais
eficientes, como houve uma evolução em pequenos dispositivos baseados em processadores
capazes de executar operações sofisticadas de análise de sinais.
Exemplos são celulares movidos a processadores ARM de alto desempenho, com
sensores magnéticos, giroscópios, acelerômetros, áudio e vídeo. Minicomputadores como da
Texas Instruments (como o Sitara ARM) são outros exemplos, que permitem conectividade
com câmeras digitais e o auxílio de uma comunidade de desenvolvedores de software. Outra
evolução se dá em dispositivos com menor capacidade de processamento, mas também de
custo significativamente mais baixo, que permitem controle de dados digitais e analógicos,
sendo utilizados em conjunto com sensores, relês e motores. São os casos de sistemas como o
Arduino e o Raspberry Pie, que podem ser acessados diretamente por computadores via usb,
mas também por meio remoto, com auxílio de placas ethernet. Aliando estas tecnologias
Jean-Jacques S. de Groote Software para identificação e classificação de células do
endotélio corneano desenvolvido para dispositivos móveis. Revista Científica Eletrônica
Uniseb. N. 3. Ano 2. Ribeirão Preto, janeiro-julho, 2014. p. 221-226.
222
torna-se possível aproximar sistemas e processos obtidos em pesquisas relevantes, a sistemas
mais próximos do uso prático, facilitando sua disseminação fora do meio acadêmico.
Linhas de pesquisas propostas para análise e interpretação de imagens médicas podem
ser baseadas nesse princípio, de modo a permitir a pesquisadores a aplicação de técnicas de
programação e controle de dispositivos moveis baseados no sistema operacional Android [1] e
IOS, de placas controladoras Arduino e similares, e também ao processo de controle remoto,
por meio de intranet ou internet. Em termos práticos o acesso remoto ainda é limitado, mas
considerando a rápida evolução tecnológica é importante o domínio dessa tecnologia por
novos pesquisadores que visam tanto a pesquisa em si quanto o mercado de alta tecnologia.
A aplicação desenvolvida nesse trabalho envolve o desenvolvimento de técnicas para
reconhecimento automático de células do endotélio corneano [2-4]. Os algoritmos, baseados
em processamento digital de imagens [5] foram elaborados e testados em Delphi, sem
utilização de bibliotecas especializadas existentes na literatura. O objetivo é o controle
completo das técnicas, de forma a serem adaptadas ao sistema operacional e a capacidade do
processador do dispositivo móvel utilizado. No caso, a plataforma almejada é a do Android,
mas poderá ser adaptada ao IOS, uma vez que os algoritmos em si são construções
independentes de plataformas e linguagens computacionais.
2. Metodologia e Resultados
Técnicas de processamento digital de imagens são exploradas em aplicações em
diversas áreas. Em física médica são de grande importância desde a adaptação de imagens
para visualização humana quanto para extração de informações relevantes. Exemplos são
encontrados em radiologia [6] na identificação de tumores, na análise de manchas na pele,
entre outros. Nos trabalhos discutidos nesse artigo as aplicações são focadas na análise de
informações relativas a área de oftalmologia, especificamente na contagem de células do
endotélio corneano.
Os procedimentos utilizados são baseados em métodos de convolução por máscaras
[5], aplicadas a imagens em processos morfológicos para remoção de ruído e identificação de
bordas. Para extração de regiões de interesse são utilizados métodos desenvolvidos a partir do
Jean-Jacques S. de Groote Software para identificação e classificação de células do
endotélio corneano desenvolvido para dispositivos móveis. Revista Científica Eletrônica
Uniseb. N. 3. Ano 2. Ribeirão Preto, janeiro-julho, 2014. p. 221-226.
223
watershed [7,8] e flooding [5] seletivo baseado no histograma de cada cor básica, ou seja, do
vermelho, verde e azul dos elementos de imagens, os pixels.
O endotélio corneano é formado uma camada unicelular de células com formato
aproximadamente hexagonal com cerca de 20 mm2 de comprimento. Sua importância se deve
a propriedade de manter a transparência da córnea. A densidade celular varia ao longo da vida
de uma pessoa, mas deve ter até cerca de 400 células por mm2 para manter sua função. Suas
imagens são obtidas para análise a partir de um instrumento chamado microscópio especular.
O objetivo deste trabalho é reduzir as dimensões e custo destes aparelhos por meio da
utilização de computadores portáteis. Para isso os algoritmos devem ser eficientes e precisos,
mesmo com a redução da capacidade computacional e memória quando se considera a
comparação de recursos de um computador utilizado no aparelho comparado com um
processador de um dispositivo móvel.
Um exemplo de imagem pode ser observado na Fig 1.a As células, como se pode
observar, não possuem em geral uma borda claramente definida, dificultando o
desenvolvimento de procedimentos que separem uma célula da outra. Esta separação foi
obtida combinando os procedimentos de remoção de ruídos, com um algoritmo desenvolvido
para ampliar localmente a separação de níveis dos tons de cinza da imagem. O resultado pode
ser observado na Fig. 1b.
Jean-Jacques S. de Groote Software para identificação e classificação de células do
endotélio corneano desenvolvido para dispositivos móveis. Revista Científica Eletrônica
Uniseb. N. 3. Ano 2. Ribeirão Preto, janeiro-julho, 2014. p. 221-226.
224
Figura 1. Imagem das células endoteliais (a) e das bordas identificadas (b).
Com a segmentação da imagem torna-se possível a identificação de cada célula, com
uma classificação em termos de parâmetros que são relevantes para análise médica. Entre eles
estão o número de células na imagem, a densidade de células por milímetro quadrado, a área
média, o desvio padrão do tamanho das células (SD). Também são importantes os índices de
polimegatismo e de pleomorfismo. O primeiro refere-se a variação de tamanho das células e o
segundo a forma das células, que em teoria seriam hexagonais, com seis vizinhos cada, mas na
prática existe uma variação de formas. Na Fig.2 podem ser observados os parâmetros relativos
a imagem da Fig.1.
Figura 2. Parâmetros relativos a imagem da Fig.1 obtidos pelo software desenvolvido.
Para auxiliar a análise médica também foram desenvolvidas representações gráficas
com o objetivo de destacar a distribuição de tamanhos das células (Fig.3) e do número de
vizinhos das células (Fig.4).
Jean-Jacques S. de Groote Software para identificação e classificação de células do
endotélio corneano desenvolvido para dispositivos móveis. Revista Científica Eletrônica
Uniseb. N. 3. Ano 2. Ribeirão Preto, janeiro-julho, 2014. p. 221-226.
225
Figura 3. Distribuição de tamanho das células em mm2.
Figura 4. Distribuição das células com relação ao número de vizinhos.
3. Conclusão
Neste trabalho, algoritmos de processamento digital de imagens foram desenvolvidos
para a identificação e classificação de células endoteliais corneanas. Os algoritmos desta fase
do projeto estão mostrando bons resultados na identificação, e já são capazes de classificar as
células de acordo com forma e tamanho. A próxima etapa do trabalho será a conversão do
algoritmo para Java [9], e seu teste em dispositivos móveis. No caso serão celulares com
Jean-Jacques S. de Groote Software para identificação e classificação de células do
endotélio corneano desenvolvido para dispositivos móveis. Revista Científica Eletrônica
Uniseb. N. 3. Ano 2. Ribeirão Preto, janeiro-julho, 2014. p. 221-226.
226
sistema operacional Android. Os resultados serão importantes para análises in vivo, mas
também é parte do objetivo da pesquisa que sejam utilizados por bancos de olhos para auxiliar
a determinação da possibilidade da utilização de córneas em transplantes.
4. Notas de Referências
[1]
Android
Developers
2012:
Disponível
http://developer.android.com/tools/adk/adk2.html acessado 16/06/2014 às 21:40.
em
[2] KWITKO, S.. Endotélio e cirurgia de catarata: grandes desafios. Revista da Sociedade
Catarinense de Oftalmologia, v. 7, 2001.
[3] VENTURA, L. ; DEGROOTE, Jean J . Processamento de imagens de microscopia
ocular do Endotélio Corneal in vivo. In: XVII Congresso Brasileiro de Engenharia
Biomédica, 2000, Florianópolis, SC. Anais do XVII Congresso Brasileiro de Engenharia
Biomédica. Florianópolis, SC : SBEB, 2000.
[4] ABIB FC editor. “Microscopia especular de córnea: Manual e Atlas”. Rio de Janeiro:
Revinter-RioMed; 2000.
[5] GONZALEZ, R.C; WOODS, R.E. Processamento Digital de Imagens. 3ed. São Paulo:
Pearson Prentice Hall, 2010
[6] AZEVEDO-MARQUES, P. Diagnóstico auxiliado por computador na radiologia.
Radiologia Brasileira, Brasil, v. 34, n. 5, p. 285-293, 2001.
[7] PECCINI, G; D’ORNELLAS, M. Segmentação de Imagens por Watersheds: Uma
implementação usando a linguagem Java. Santa Maria: Universidade Federal de Santa
Maria. 2004.
[8] ROERDINK, J.B.T.M; MEIJSTER, A. The Watershed Transform: Definitions,
Algorithms and Parallelization Strategies. Groningen: University of Groningen. 2000.
[9] DEITEL, H.M; DEITEL P.J. Java, Como Programar. 4ºed. Porto Alegre: Bookman,
2003.
Jean-Jacques S. de Groote Software para identificação e classificação de células do
endotélio corneano desenvolvido para dispositivos móveis. Revista Científica Eletrônica
Uniseb. N. 3. Ano 2. Ribeirão Preto, janeiro-julho, 2014. p. 221-226.