Modelo Computacional para Contagem de Hemácias por Reconhecimento de Imagens

Resumo

Um dos maiores desafios na área de saúde é obter um resultado confiável para os diversos exames realizados em laboratório de análises clínicas, em especial a contagem de hemácias, já que o número de hemácias é fundamental no diagnóstico e para monitorar o tratamento de várias doenças, dentre elas a anemia e a leucemia. O objetivo deste estudo foi desenvolver um modelo computacional para a contagem de hemácias por reconhecimento de imagens. A imagem das hemácias foi obtida em microscópio óptico, com o uso da câmara de Neubauer, sendo o microscópio conectado via USB 2.0 a um computador. O sistema computacional foi desenvolvido em MATLAB. Na segmentação da imagem, a componente de cor que apresentou melhor resultado foi azul. Na classificação das hemácias, o melhor algoritmo de limiarização foi Percent Black. No controle da similaridade nas imagens foi utilizado Peak-Signal-to-Noise Ratio. Na individualização das hemácias agrupadas, a contagem de cada hemácia foi otimizada com a aplicação da Transformada de Hough para Círculos, a qual determina a borda das hemácias. Coordenadas do centro dos círculos foram definidas, e nestas coordenadas foi checada a existência de hemácias nas imagens binarizadas pelo algoritmo Percent Black, eliminando falso-positivos. Sendo assim, as hemácias foram contadas nas imagens binarizadas pelo algoritmo Percent Black na componente azul, tomando como referência o escore obtido através do teste não paramétrico de Wilcoxon. A contagem das hemácias no modelo computacional desenvolvido neste estudo foi compatível com o resultado obtido através do método que é empregado na prática clínica.