Este trabalho de pesquisa confirma que a tecnologia das redes neuronais artificiais se constitui em metodologia adequada para problemas de classificação de padrões. A arquitetura utilizada se ajusta as especificações do problema e utiliza-se todos os seus recursos para a solução do problema, obtendo-se resultados promissores.
A pesquisa apresenta a aplicação de uma rede neuronal artificial usando uma função de base radial (RBF) para a classificação de cromossomas humanos em 24 classes, sendo que para a classificação, utilizou-se dois estágios. No primeiro estágio classificou-se os cromossomas em 7 classes, conforme o grupo de Denver, e no segundo estágio utilizou-se os resultados do primeiro estágio (7 saídas), juntamente com 20 amostras do perfíl de bandas do cromossomo ao longo do eixo longitudinal, como características para classificação em 24 classes.
O resultados demonstram uma melhora na taxa de erro de classificação, quando comparada com resultados anteriores, com um classificador paramétrico, com o MLP treinando com o Backpropagation e com uma Rede Neuronal Probabilistica (PNN).
Acredita-se que as redes neuronais artificiais
que utilizam funções de base radial, tem grande
potencial em tarefas de classificação, uma vez que
elas utilizam campos receptivos (centróides ou centros)
para a formação de fronteiras de decisão.
Já o Perceptron utiliza retas quando com uma camada, e
hiperplanos quando utilizando multi-camadas. Assim, quando as
fronteiras de decisão são complexas (não
linearmente separáveis), os campos receptivos conseguem
se ajustar à complexidade destas fronteiras mais
facilmente.
A pesquisa da classificação de cromossomos
surgiu da idéia de projetar um sistema para diagnóstico
citogenético automático. Este sistema usaria técnicas
de inteligência artificial e algorítmos de processamento
de imagem para auxílio no diagnóstico pré-natal
de doenças citogenéticas. Na Figura 5.1 abaixo apresenta-se
uma proposta do sistema para diagnóstico citogenético
automático.
Figura 5.1 - Sistema para
diagnóstico
citogenético
automático
Alguns dos módulos do sistema proposto já se encontram disponíveis comercialmente ou na fase de pesquisa, outros devem ser implementados. A seguir, faz-se um pequeno detalhamento de cada um dos módulos da Figura 5.1.
1. Aquisição da Imagem: Atualmente existem cameras fotográficas com a capacidade de digitalizar automaticamente fotografias. Estas cameras são acopladas ao computador, e uma vez uma imagem devidamente focada, pode ser fotografada e digitalizada na forma de um arquivo para posterior processamento. Acredita-se que esta técnica pode ser empregada no sistema, e este dispositivo (camera fotográfica digitalizadora) possa ser acoplado ao microscópio para a aquisição da imagem da metáfase dos cromossomos. Esta técnica é relativamente simples quando comparada a técnicas utilizadas anteriormente, e pode proporcionar imagens com excelente resolução e de fácil manuseio.
2. Macro Segmentação da Imagem: A macro segmentação da imagem tem como objetivo separar os vários objetos da imagem de seu fundo (background). Geralmente os algorítmos de "tresholding", utilizando histogramas com níveis de cinza, são os mais utilizados. Uma vez separado os objetos, pode-se trabalhar com cada objeto isoladamente.
3. Bem Separados?: Nesta etapa objetiva-se verificar se os cromossomas estão bem separados, ou seja, caso tenha cromossomas sobrepostos ou severamente tortos, se possa corrigir interativamente (p. ex. duplicar, cortar, etc.).
4. Micro Segmentação da Imagem: Uma vez que os cromossomas estejam todos separados é necessário um pré-processamento na imagem de forma a prepará-la para a extração das características.
5. Extração das Features: Neste módulo, certamente um dos mais importantes, deve-se extrair as características (comprimento, posição do centrômero, perfil de bandas) para a classificação. Alguns algorítmos já se encontram disponíveis para a extração desta características, porém, acredita-se que novos estudos podem ser feitos, e com certeza novas técnicas podem surgir.
6. Classificação: Este módulo foi alvo de estudo desta tese. Possivelmente, novas investigações devam ser feitas com o intuíto de melhorar a taxa de classificação.
7. Análise de Anormalidades: Este módulo tem o objetivo de identificar possíveis anomalias cromossômicas. Temos consciência de que não é uma tarefa fácil, pois existem diversos tipos de anomalias, tentar identificar todas seria uma pretenção. O que se pensa é trabalhar com os cromossomas que apresentam um porcentagem maior de ocorrências e que sejam bastante conhecidas, elegendo 2 ou três cromossomas para estudo numa primeira etapa.
Na literatura encontrou-se apenas um trabalho que relatava o uso de redes neuronais artificiais para a detecção de anormalidade genética. Acredita-se que muitos trabalhos de pesquisa ainda devam surgir nesta área, possivelmente possibilitando trabalhos de doutoramento.
8. Diagnóstico: Neste módulo se utilizaria uma sistema especialista, que através de regras de produção, do tipo causa/efeito (IF ... THEN ...), ajudaria o citogeneticista a fazer o diagnóstico. A grande maioria das aberrações cromossômicas são conhecidas, sendo que as aberrações ocorrem na contagem (trissomia/monossomia) e que são de fácil identificação. Já as aberrações estruturais necessitam de um maior cuidado, uma vez que as imagens dos cromossomas podem estar mascaradas pela iluminação, pelo método de digitalização ou até mesmo pelo método/técnica de preparação.
O sistema recomendado pode auxiliar na produtividade
dos laboratórios citogenéticos, ajudando a baratear
os exames pré-natais e consequentemente a massificar estes
exames, hoje tão distante da grande maioria das mulheres
brasileiras.