Show simple item record

dc.contributor.advisorFreitas, Carla Maria Dal Sassopt_BR
dc.contributor.authorBeltrán, Lizeth Andrea Castellanospt_BR
dc.date.accessioned2020-09-02T03:39:16Zpt_BR
dc.date.issued2020pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/213296pt_BR
dc.description.abstractConfocal microscopy is a useful tool for acquiring 3D datasets of fluorescent specimens. In hepatology, researchers have been using confocal microscopy for investigating the microanatomy of bile ducts. Since confocal images are difficult to segment because of the noise introduced during the specimen preparation, traditional quantitative analyses used in other medical datasets are difficult to perform on confocal microscopy data and require extensive user intervention. Thus, the analysis of bile ducts pose challenges for hepatology research, requiring different methods. This thesis provides methods for characterizing structures in confocal image datasets obtained from bile ducts. In our motivating case study, the characterization of such structures is likely to help hepatologists to distinguish specimens affected by biliary atresia, a disease that requires a liver transplant to avoid premature death. Our data consists of 3D image datasets containing several slices of mouse bile ducts organized as two fluorescence channels. The red channel contains a network of small vessels named Peribiliary Vascular Plexus (PVP), and the green channel contains the internal bile duct with Peribiliary Glands (PBGs). Our approach for characterizing the bile ducts structures includes a three-stage process: a stage to enhance the 3D visualization of bile ducts, a stage for extracting important structures and a stage to quantify specific structures of interest. In the first stage, we proposed an approach to enhance noisy confocal images of bile ducts by applying anisotropic diffusion. The significant result in this stage was the enhanced volumetric visualization of the bile duct microanatomy, which allowed the visualization of details that are hardly seen in the original data. In the second stage, we have explored the density-based spatial clustering for applications with noise (DBSCAN) algorithm, using gradient information for guiding the clustering. As a result, we discovered a representative cluster for each dataset containing the most prominent vessels (for the red channel) and internal structures (for the green channel). Finally, we have explored the concepts of fractal dimension and multiscale fractal dimension applied to the structures obtained from clustering, which we found useful for extracting quantitative information aiming at characterizing relevant structures. Our analyses give us some evidence that the fractal dimension is a measure that can be used for quantification and characterization of bile ducts.en
dc.description.abstractA microscopia confocal é uma ferramenta útil para adquirir dados 3D de amostras fluorescentes. Na hepatologia, pesquisadores vêm usando microscopia confocal para investigar a microanatomia dos ductos biliares. Como as imagens confocais são difíceis de segmentar devido ao ruído introduzido durante a preparação das amostras, as análises quantitativas tradicionais, em geral, são difíceis de serem executadas e requerem extensa intervenção do usuario. Assim, a análise dos ductos biliares representam um desafio na pesquisa em hepatologia, exigindo diferentes métodos. Nesta tese, são propostos métodos para caracterizar estruturas em imagens confocais de ductos biliares. No estudo de caso motivador, supõe-se que a caracterização dessas estruturas ajudará os hepatologistas a distinguir amostras afetadas por atresia biliar, uma doença que requer transplante de fígado para evitar a morte prematura. Nossos dados consistem em volumes de imagens de ductos biliares de camundongos organizados em dois subconjuntos, um para cada canal de fluorescência. O canal vermelho contém uma rede de pequenos vasos denominados Plexo Vascular Peribiliar (PVP), e o canal verde representa o ducto biliar interno com as Glândulas Peribiliárias (PBGs). Nossa abordagem para caracterizar as estruturas dos ductos biliares inclui um processo de três estágios: um estágio para melhorar a visualização 3D dos ductos biliares, um estágio para extrair estruturas importantes e um estágio para quantificar estruturas específicas de interesse. Na primeira etapa, propusemos uma abordagem para realçar as imagens confocais dos ductos biliares, aplicando difusão anisotrópica. O resultado significativo nesta etapa foi a visualização volumétrica aprimorada da microanatomia do ducto biliar, que permitiu a visualização de detalhes que dificilmente são vistos nos dados originais. No segundo estágio, exploramos o agrupamento espacial baseado no método conhecido como Density-based spatial clustering of applications with noise (DBSCAN), usando, porém, informações de gradiente para orientar o agrupamento. Como resultado, descobrimos um cluster representativo para cada conjunto de dados que contém os vasos mais representativos (para o canal vermelho) e estruturas internas (para o canal verde). Por fim, exploramos os conceitos de dimensão fractal e dimensão fractal multiescala aplicados às estruturas obtidas do agrupamento, que consideramos úteis para extrair informações quantitativas com o objetivo de caracterizar estruturas relevantes. Nossas análises nos dão algumas evidências de que a dimensão fractal é uma medida que pode ser usada para quantificação e caracterização dos ductos biliares.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoengpt_BR
dc.rightsOpen Accessen
dc.subjectInformáticapt_BR
dc.subjectConfocal microscopyen
dc.subjectClusteringen
dc.subjectDBSCANen
dc.subjectFractal dimensionen
dc.titleCharacterization of structures in confocal images datasets obtained from Bile Ductspt_BR
dc.title.alternativeCaracterização de estruturas em volumes de imagens confocais de Dutos Biliares pt
dc.typeTesept_BR
dc.identifier.nrb001117666pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Informáticapt_BR
dc.degree.programPrograma de Pós-Graduação em Computaçãopt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2020pt_BR
dc.degree.leveldoutoradopt_BR


Files in this item

Thumbnail
   

This item is licensed under a Creative Commons License

Show simple item record