Please use this identifier to cite or link to this item: https://repositorio.uvv.br//handle/123456789/180
Full metadata record
DC FieldValueLanguage
dc.contributorLenz, Dominik-
dc.contributor.authorBuzin, Aline Rodrigues-
dc.date.accessioned2020-09-24T18:06:45Z-
dc.date.available2020-09-24T18:06:45Z-
dc.date.issued2017-03-06-
dc.identifier.urihttps://repositorio.uvv.br//handle/123456789/180-
dc.description.abstractObjetivo: O objetivo deste estudo foi identificar o marcador HIF-1α utilizando a citometria de imagem e auxiliar na contagem das células positivas (com HIF-1α) e negativas (sem HIF-1α da mesma amostra. Metodologia: 17 imagens de tecidos renais de ratos da linhagem Winstar; Sendo no total 12.587 objetos (células) nas imagens para análise. As imagens adquiridas foram então analisadas através dos softwares livres CellProfiler (versão 2.1.1) e CellProfiler Analyst (versão 2.0). No software CellProfiler Analyst, houve uma separação com as classes do objeto, usando um classificador, sendo elas: 1) classe com HIF-1α e 2) classe sem HIF-1α. Resultados: Com os dados obtidos através de Score All, foi possível calcular o percentual de células que possuíam HIF-1α e das que não possuíam; Dos 12.587 objetos da amostra, 6.773 (54%) tinham HIF-1α e 5.814 (46%) não tinham HIF-1α. Sendo os dados de sensibilidade 0,90, especificidade 0,84 e desvio padrão 0,10 e 0,12. Conclusão: A pesquisa mostra que o software livre CellProfiler, através do microscópio de luz, foi capaz de identificar o marcador, realizar a aprendizagem da máquina, e posterior contagem e separação de células em classes distintas (com e sem marcador HIF-1α).pt_BR
dc.description.sponsorshipCAPESpt_BR
dc.language.isopt_BRpt_BR
dc.subjectHIF-1αpt_BR
dc.subjectHipóxiapt_BR
dc.subjectAprendizado da máquinapt_BR
dc.subjectAnálise de imagempt_BR
dc.subject.vocabularyCNPQ::CIENCIAS DA SAUDE::FARMACIApt_BR
dc.subject.vocabularyCNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICApt_BR
dc.titleDetecção automática de Hipóxia em tecido renal marcado com HIF-1αpt_BR
dc.typeDissertationpt_BR
dc.publisher.countrybrasilpt_BR
dc.description.resumoObjective: The objective of this study was the identification of the stain HIFalpha using the Image Cytometry, and to help to count the positive cells (with HIF-1α) and the negative cells (without HIF-1α) from the same sample. Method: 17 images of renal tissues from male rats of Winstar lineage; overall, there were 12.587 objects (cells) in the images for analysis. The acquired images were then analyzed through the free softwares CellProfiler (version 2.1.1) and CellProfiler Analyst (version 2.0). In the software CellProfiler Analyst, there was a separation with the classes of the object, using a classifier, and the classes were: 1) class with HIF-1α and 2) class without HIF-1α. Results: With the data obtained through Score All, it was possible to calculate the percentage of cells that had HIF-1α; out of 12.587 objects of the sample, 6.773 (54%) had HIF-1α and 5.814 (46%) did not have HIF-1α. Data of sensibility 0.90, specificity 0.84 and standard deviation 0.10 and 0.12. Conclusion: The research shows that the free software CellProfiler, through the light microscope, was able to identify the stains, perform the machine’s learning, and subsequently count and separate cells from distinct classes (with and without the stain of HIF-1α).pt_BR
Appears in Collections:Dissertação de Mestrado

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO FINAL DE ALINE RODRIGUES BUZIN.pdfDISSERTAÇÃO FINAL DE ALINE RODRIGUES BUZIN895.45 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.