Resumo: Imagens são utilizadas na investigação científica há muito tempo, inicialmente apenas como ferramentas para a representação da prática científica, e após o surgimento das técnicas de microscopia, como instrumento para registro e análise instrumental. Com o aperfeiçoamento das técnicas de obtenção de imagens, cresceu a demanda por técnicas quantitativas e sistematizadas para extrair-lhes informações, e capazes de estabelecer critérios estatisticamente confiáveis para, por exemplo, detectar similaridades, padrões, classificar, e até mesmo gerar modelos preditivos. Neste trabalho, métodos quimiométricos foram utilizados como ferramenta quantitativa para a análise de imagens nível de cinza, utilizando como exemplos imagens de microscopia de força atômica de fibras capilares de diferentes classes. Fibras capilares são frequentemente utilizadas em clínicas, indústrias ambientais e análises forenses, para o diagnóstico de doenças, avaliação da exposição aos agentes tóxicos e poluentes e detecção de abuso de drogas. Para este trabalho foram utilizados dois conjuntos de dados: um deles formado por amostras de fibras caucasianas submetidas ao tratamento de descoloração e outro com fibras de diferentes etnias. O objetivo foi utilizar métodos quimiométricos para construir modelos classificatórios capazes de identificar corretamente novas imagens. Diversas estratégias foram testadas e os melhores resultados foram obtidos utilizando os métodos SIMCA (Soft Independent Modeling of Class Analogy), PARAFAC (Parallel Factor Analysis), MPCA (Multi-way Principal Component Analysis) e NPLS (Multi-way Partial Least Squares). Os modelos quantitativos apresentaram erros de calibração abaixo de 10% e erros de predição em torno de 10%. Com exceção de uma das aplicações, que é específica para fibras capilares, os outros métodos de análise de imagens propostos podem ser utilizados na análise quantitativa de qualquer tipo de imagem nível de cinza Ver menos

Abstract: Images have been used in scientific investigation for a long time, initially as a tool for representation of the scientific practice and, after the microscopy development, as an instrument for registration and instrumental analysis. With the improvement of microscopic techniques, there was an increase on the demand for quantitative and systematic tools to extract relevant information from images and for techniques capable to establish reliable statistical approaches, for example, to detect similarities, patterns and for classification. In this work, multivariate methods were used as quantitative tools for the analysis of nível de cinza images of different classes of hair fibers. These images were obtained by atomic force microscopy. Hair fibers are frequently used in medical clinics, environmental industries and forensic analyses, for the diagnosis of diseases, evaluation of the exposure to toxic agents and pollutants, and detection of abuse of drugs. In this work two data sets were used: the first one contained caucasian hair fibers submitted to peroxide treatment and the second one contained fibers from different ethnic origin (oriental, african and caucasian). The goal was to use chemometric methods to build classification models capable to identify new images correctly. Several strategies were tested and the best results were obtained by using SIMCA (Soft Independent Modeling of Class Analogy), PARAFAC (Parallel Factor Analysis), MPCA (Multi-way Principal Component Analysis) and NPLS (Multi-way Partial Least Squares). The models presented calibration errors below 10% and prediction errors around 10 %. With exception of the descriptor analysis, which is specific for hair fibers images, the proposed methods can be useful for quantitative analysis of any kind of nível de cinza images Ver menos