Resumo: Este trabalho propõe um método semi-automático para a avaliação morfológica e morfométrica de axônios mielínicos a partir de suas seções transversais, fundamentado em técnicas de processamento e análise de imagens digitais e que inclui um classificador de regiões baseado em regras fuzzy e um processo de reclassificação de regiões duvidosas supervisionado pelo usuário. Técnicas para limiarização (thresholding) de imagens são analisadas e aspectos da morfologia matemática são descritos. Diferentemente da maioria dos métodos de avaliação morfológica e morfométrica de axônios encontrados na literatura, o processo de limiarização utilizado neste trabalho é realizado de forma local, após verificado que os métodos globais falham para o tipo de imagem utilizada. Para o classificador de regiões baseado em regras fuzzy, três abordagens são propostas. Na primeira, as regiões são classificadas apenas como axônios ou não-axônios, tornando o método completamente automático; na segunda, as regiões são classificadas como axônios, não-axônios ou duvidosas; e na terceira, a classificação de regiões axônios ou não-axônios é restringida às regiões de maior certeza, enquanto os parâmetros para a classificação de regiões duvidosas são ampliados. Os resultados obtidos pelo método são comparados com os resultados de uma contagem manual e mostram que o método atende aos requisitos da aplicação. Ainda, o método pode ser estendido a aplicações similares em outras áreas de pesquisa Ver menos

Abstract: This work proposes a semi-automatic method for the morphologic and morphometric evaluation of myelinated axons from images of their cross sections. The method is based on image processing and analysis techniques and includes a region c1assifier based on fuzzy rules and a supervised classification of doubtful regions. The techniques for image thresholding are analyzed and aspects of mathematical morphology are presented. Differently from the majority of axon morphologic and morphometric evaluation methods found in literature, the thresholding used in this work is done locally, after verifying that global methods fail to this kind of image. Three approaches are proposed for the region c1assifier based on fuzzy rules. In the first one, the regions are c1assifiedonly as axon or non-axon, being the method completely automatic; in the second one, the regions are classified as axon, non-axon or doubtful regions; and in the third approach, the parameters for classifying the regions as doubtful are enlarged and consequently the c1assification of regions as axon and non-axon are restricted to those regions with a high degree of certainty. The results obtained by the method are compared with the results of a manual counting process and show that the method fulfills the application requirements. The method can be extended to similar applications in other areas of research Ver menos