Lo scopo di questa tesi è mostrare una possibile implementazione del metodo di diagnosi automatica (basata su grafi) di adenocarcinoma a partire da immagini istologiche di tessuti esofagei. L’approccio scelto è di tipo strutturale: il tessuto viene completamente caratterizzato dalle relazioni spaziali esistenti tra i propri componenti cellulari e tali relazioni sono rappresentabili esplicitamente con un grafo colorato. E’ possibile perciò identificare un’immagine istopatologica con il suo grafo corrispondente e da quest’ultimo ricavare i parametri necessari alla diagnosi. Dopo una breve introduzione in cui viene illustrato lo stato dell’arte, seguono: la definizione sintetica di alcune nozioni mediche utili alla comprensione del programma successivamente descritto (Cap.1); la descrizione dei passaggi per passare dall’immagine istopatologica al grafo colorato (Cap.2); la definizione delle features (Cap.3) e in conslusione i risultati derivanti dall’applicazione del programma ad alcune immagini // The aim of this paper is to show a possible implementation of graph-based automated diagnosis of adenocarcinoma in esophageal histological images. The chosen approach is structural-based: the tissue is completely characterized by the spatial relationships of its cellular components and these relationships can be represented with a colored graph. It is thus possible to identify a histological image with its graph and to extract from it the useful feature for the diagnosis. A brief introduction describing the state of the art is followed by: a concise description of medical notions related with the program (Chap.1), a detailed description of the steps between the histological image and the colored graph (Chap.2), the features definition (Chap.3) and finally the results get by running the program on few images

Segmentazione di immagini istologiche basata su grafi

Montanino, Annaclaudia
2012/2013

Abstract

Lo scopo di questa tesi è mostrare una possibile implementazione del metodo di diagnosi automatica (basata su grafi) di adenocarcinoma a partire da immagini istologiche di tessuti esofagei. L’approccio scelto è di tipo strutturale: il tessuto viene completamente caratterizzato dalle relazioni spaziali esistenti tra i propri componenti cellulari e tali relazioni sono rappresentabili esplicitamente con un grafo colorato. E’ possibile perciò identificare un’immagine istopatologica con il suo grafo corrispondente e da quest’ultimo ricavare i parametri necessari alla diagnosi. Dopo una breve introduzione in cui viene illustrato lo stato dell’arte, seguono: la definizione sintetica di alcune nozioni mediche utili alla comprensione del programma successivamente descritto (Cap.1); la descrizione dei passaggi per passare dall’immagine istopatologica al grafo colorato (Cap.2); la definizione delle features (Cap.3) e in conslusione i risultati derivanti dall’applicazione del programma ad alcune immagini // The aim of this paper is to show a possible implementation of graph-based automated diagnosis of adenocarcinoma in esophageal histological images. The chosen approach is structural-based: the tissue is completely characterized by the spatial relationships of its cellular components and these relationships can be represented with a colored graph. It is thus possible to identify a histological image with its graph and to extract from it the useful feature for the diagnosis. A brief introduction describing the state of the art is followed by: a concise description of medical notions related with the program (Chap.1), a detailed description of the steps between the histological image and the colored graph (Chap.2), the features definition (Chap.3) and finally the results get by running the program on few images
2012-09-27
41
segmentazione, grafi colorati, immagini istologiche
File in questo prodotto:
File Dimensione Formato  
Tesi_AnnaclaudiaMontanino.pdf

accesso aperto

Dimensione 20.69 MB
Formato Adobe PDF
20.69 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/16131