Algoritmos Computacionais para Normalização de Corantes de Hematoxilina e Eosina em Imagens Histológicas Digitais
Diagnósticos de diferentes tipos de câncer podem ser confirmados por análises microscópicas de amostras de tecido retiradas do corpo do paciente. Com a digitalização dessas amostras, é possível obter as chamadas imagens histológicas, que permitem o desenvolvimento de sistemas computacionais que auxiliem patologistas na definição de diagnósticos. Entretanto, essas imagens podem sofrer variações de cores que podem prejudicar o desempenho de métodos computacionais de processamento de imagens histológicas. Para corrigir essas variações, técnicas de normalização são utilizadas para ajustar as cores das imagens. Neste trabalho, são propostos novos algoritmos para a normalização de imagens histológicas coradas com hematoxilina e eosina, corantes comumente utilizados em práticas clínicas. Para isso, conceitos biológicos e dos corantes foram utilizados para estimativas de matrizes de aparência de cores dos corantes e mapas de densidade dos corantes. As matrizes estimadas definem as cores dos corantes no espaço RGB, e os mapas estimam a quantidade de cada corante representada pelos pixels das imagens. Após realizar essas estimativas para as imagens original e de referência, a matriz de referência é combinada ao mapa original para que as cores da imagem de referência sejam transferidas para a imagem original, enquanto a representação de suas estruturas são preservadas. Esta proposta foi avaliada em imagens histológicas de diferentes tipos de câncer, com evidentes variações de cores, demonstrando resultados relevantes pelos critérios de avaliação utilizados. Métricas quantitativas indicaram o bom desempenho do método proposto em comparação a técnicas já publicadas na literatura. Entre essas avaliações, destaca-se o alto desempenho desta proposta para representação da eosina, sua vantajosa aplicação para os resultados da segmentação e da classificação de imagens histológicas, e sua alta eficiência computacional.