Please use this identifier to cite or link to this item: https://repositorio.uvv.br//handle/123456789/226
Full metadata record
DC FieldValueLanguage
dc.contributorLenz, Dominik-
dc.contributor.authorMacedo, Nayana Damiani-
dc.date.accessioned2020-10-02T13:46:12Z-
dc.date.available2020-10-02T13:46:12Z-
dc.date.issued2017-01-25-
dc.identifier.urihttps://repositorio.uvv.br//handle/123456789/226-
dc.description.abstractO presente estudo propõe uma abordagem automatizada empregando aprendizado da máquina na quantificação de células em vias de morte celular de acordo com a fragmentação do DNA. Utilizou-se um total de 17 imagens de amostras de lâminas histológicas de rim de ratos Wistar machos. As lâminas foram fotografadas na objetiva de 40x utilizando microscópio Axio Zeiss Vert.A1 com câmera acoplada Anisio Cam MRC Zeiss e software Zen 2012. As imagens foram analisadas utilizando CellProfiler (versão 2.1.1) e CellProfiler Analyst, ambos softwares de código aberto. Dos 10.378 objetos, 4.970 (47,9%) foram identificados como TUNEL positivos, e 5.408 (52,1%) foram identificados como TUNEL negativo. Em média, os valores de sensibilidade e especificidade da abordagem de aprendizagem da máquina foram 0,80 e 0,77, respectivamente. Citometria de imagem forneceu uma alternativa analítica quantitativa para os métodos qualitativos tradicionais mais comumente empregados nos estudos.pt_BR
dc.description.sponsorshipFundação de Amparo à Pesquisa e Inovação do Espírito Santo (FAPES)pt_BR
dc.language.isopt_BRpt_BR
dc.subjectCitometria de tecidopt_BR
dc.subjectDetecção automatizadapt_BR
dc.subjectAnálise de imagempt_BR
dc.subjectAprendizado da máquinapt_BR
dc.subjectAnálise de tecidopt_BR
dc.subject.vocabularyCNPQ::CIENCIAS DA SAUDE::FARMACIApt_BR
dc.subject.vocabularyCNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICApt_BR
dc.titleDetecção de apoptose em tecido renal de ratos empregando microscopia luz e software de análise de imagem livre com subsequente aprendizagem de máquinapt_BR
dc.typeDissertationpt_BR
dc.publisher.countrybrasilpt_BR
dc.description.resumoThe current study proposes an automated machine learning approach for the quantification of cells in cell death pathways according to DNA fragmentation. A total of 17 images of kidney histological slide samples from male Wistar rats were used. The slides were photographed using an Axio Zeiss Vert.A1 microscope with a 40x objective lens coupled with an AxioCam MRC Zeiss camera and Zen 2012 software. The images were analyzed using CellProfiler (version 2.1.1) and CellProfiler Analyst open-source software. Out of the10,378 objects, 4,970 (47,9%) were identified as TUNEL positive, and 5,408 (52,1%) were identified as TUNEL negative. On average, the sensitivity and specificity values of the machine learning approach were 0.80 and 0.77, respectively. Image cytometry provides a quantitative analytical alternative to the more traditional qualitative methods more commonly used in studies.pt_BR
Appears in Collections:Dissertação de Mestrado

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO FINAL DE NAYANA DAMIANI MACEDO.pdfDISSERTAÇÃO FINAL DE NAYANA DAMIANI MACEDO770.23 kBAdobe PDFThumbnail
View/Open


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