Técnica para segmentação automática de imagens microscópicas de componentes sanguíneos e classificação diferencial de leucócitos baseada em lógica fuzzy

Automatic detection of blood components is an important topic in the field of hematology. The segmentation is an important stage because it allows components to be grouped into common areas and processed separately and leukocyte differential classification enables them to be analyzed separately. With the auto-segmentation and differential classification, this work is contributing to the analysis process of blood components by providing tools that reduce the manual labor and increasing its accuracy and efficiency. Using techniques of digital image processing associated with a generic and automatic fuzzy approach, this work proposes two Fuzzy Inference Systems, defined as I and II, for autosegmentation of blood components and leukocyte differential classification, respectively, in microscopic images smears. Using the Fuzzy Inference System I, the proposed technique performs the segmentation of the image in four regions: the leukocyte’s nucleus and cytoplasm, erythrocyte and plasma area and using the Fuzzy Inference System II and the segmented leukocyte (nucleus and cytoplasm) classify them differentially in five types: basophils, eosinophils, lymphocytes, monocytes and neutrophils. Were used for testing 530 images containing microscopic samples of blood smears with different methods. The images were processed and its accuracy indices and Gold Standards were calculated and compared with the manual results and other results found at literature for the same problems. Regarding segmentation, a technique developed showed percentages of accuracy of 97.31% for leukocytes, 95.39% to erythrocytes and 95.06% for blood plasma. As for the differential classification, the percentage varied between 92.98% and 98.39% for the different leukocyte types. In addition to promoting auto-segmentation and differential classification, the proposed technique also contributes to the definition of new descriptors and the construction of an image database using various processes hematological staining

A detecção automática de componentes sanguíneos em imagens microscópicas é um importante tópico da área hematológica. A segmentação permite que os componentes sanguíneos sejam agrupados em áreas comuns e a classificação diferencial dos leucócitos possibilita que os mesmos sejam analisados separadamente. Com a segmentação automática e classificação diferencial, contribui-se no processo de análise dos componentes sanguíneos, fornecendo ferramentas que propiciem a diminuição do trabalho manual e o aumento da sua precisão e eficiência. Utilizando técnicas de processamento digital de imagens associadas a uma abordagem fuzzy genérica e automática, este trabalho apresenta dois Sistemas de Inferência Fuzzy, definidos como I e II, para a segmentação automática de componentes sanguíneos e classificação diferencial de leucócitos, respectivamente, em imagens microscópicas de esfregaços. Utilizando o Sistema de Inferência Fuzzy I, a técnica desenvolvida realiza a segmentação da imagem em quatro regiões: núcleo e citoplasma leucocitários, eritrócitos e área de plasma e utilizando o Sistema de Inferência Fuzzy II e os leucócitos segmentados (núcleo e citoplasma leucocitários), os classifica diferencialmente em cinco tipos: basófilos, eosinófilos, linfócitos, monócitos e neutrófilos. Foram utilizadas para testes 530 imagens contendo amostras microscópicas de esfregaços sanguíneos corados com métodos variados. As imagens foram processadas e seus índices de Acurácia e Gold Standards foram calculados e comparados com os resultados manuais e com outros resultados encontrados na literatura para os mesmos problemas. Quanto à segmentação, a técnica desenvolvida demonstrou percentuais de acurácia de 97,31% para leucócitos, 95,39% para eritrócitos e 95,06% para plasma sanguíneo. Quanto à classificação diferencial, os percentuais variaram entre 92,98% e 98,39% para os diferentes tipos leucocitários. Além de promover a segmentação automática e classificação diferencial, a técnica desenvolvida contribui ainda com definição de novos descritores e a construção de um banco de imagens utilizando diversos processos de coloração hematológicos