REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO.
1, MAIO 2015
Determinação de Tipo Sanguı́neo nos Sistemas
ABO e Rh Utilizando Processamento Digital de
Imagens
Erlyck Lucena Duarte Pereira1 e Carlos Danilo Miranda Regis1
1 Instituto Federal de Educação, Ciência e Tecnologia da Paraı́ba, João Pessoa, PB
E-mails: erlyck1@gmail.com, carlos.regis@ifpb.edu.br
Resumo—Os sistemas ABO e Rh de grupos sanguı́neos são de
fundamental importância para a área da medicina que trata
de transfusões sanguı́neas, uma vez que a incompatibilidade
sanguı́nea entre o doador e receptor pode causar complicações
fatais na prática transfusional. Este trabalho apresenta o desen-
volvimento de um software para determinação do tipo sanguı́neo
em humanos, nos sistemas ABO e Rh, usando técnicas de
processamento digital de imagens. Utilizou-se como referência
o teste manual em lâmina para a análise do tipo sanguı́neo das
amostras. Os resultados dessa análise foram fotografados por dois
dispositivos diferentes, produzindo imagens com resoluções de
640x360 pixels e 4320×3240 pixels. Em seguida, as imagens obti-
das foram processadas pela aplicação desenvolvida para detecção
das reações de aglutinação, as quais permitem a classificação do
tipo sanguı́neo. A utilização do programa permite a minimização
do risco de falha humana na interpretação dos resultados da
aplicação do teste manual. O percentual de acerto do software
desenvolvido foi de 100% para o sistema ABO e 80% para o
sistema Rh, em um universo de 30 amostras.
Palavras-chave—Processamento Digital de Imagens, Grupos
R
Sanguı́neos, Sistema ABO, Sistema Rh.
I. INTRODUÇ ÃO
sangue é formado por diversos tipos de células,
O além do plasma sanguı́neo1 . Algumas dessas células,
chamadas hemácias ou eritrócitos, possuem em sua mem-
brana substâncias conhecidas como aglutinogênios, que são
classificados como antı́genos. Os antı́genos são substâncias
ativas capazes de provocar uma resposta imune que produzirá
anticorpos para a defesa imunológica, quando em contato com
organismos que não as possuem [1].
Os indivı́duos diferem quanto à presença de certos antı́genos
na membrana eritrocitária, chamados aglutinogênios, e de cer-
tos anticorpos no plasma sanguı́neo, chamados aglutininas [1].
As aglutininas são anticorpos dirigidos a aglutinogênios es-
pecı́ficos [2]. Os grupos sanguı́neos são caracterizados pela
presença ou ausência, na membrana eritrocitária, de certos
antı́genos herdados geneticamente [3].
Se a quantidade de sangue no organismo de um indivı́duo
for muito reduzida, por um sangramento excessivo, ou doença,
Data de submissão 20/02/2015.
Data de aceitação 20/04/2015.
1 O plasma sanguı́neo é a parte lı́quida do sangue, no qual as células
sanguı́neas ficam suspensas [1].
29
pode ser realizado um procedimento chamado de transfusão,
no qual o sangue de outra pessoa é administrado nesse
indivı́duo, para suprir a deficiência de oxigênio e nutrientes,
decorrente dessa diminuição da quantidade de sangue [1].
As pessoas que recebem transfusões sanguı́neas podem de-
senvolver anticorpos contra diversos antı́genos, por isso a
identificação do tipo sanguı́neo é essencial para determinar
se uma pessoa poderá receber uma transfusão de sangue de
um doador especı́fico [4].
Na determinação da compatibilidade das transfusões de
sangue, destacam-se os sistemas ABO e Rh, pois a incom-
patibilidade entre os tipos sanguı́neos do doador e receptor
nesses sistemas pode causar reações transfusionais que podem
ser fatais [2], [4].
Existem modernos e seguros sistemas para obtenção de
resultados em exames de tipagem sanguı́nea, como por ex-
emplo, o Freelys
, da Companhia francesa DIAGAST, que
realiza o teste automaticamente, após a “preparação” manual
do sangue que será testado [5]. Diversas metodologias podem
ser utilizadas para o exame de tipo de sangue, como a técnica
em tubo, em microplaca e em gel [6].
Os sistemas existentes atualmente são caros, demorados,
e/ou sujeitos a interpretação humana dos resultados. Usual-
mente, a determinação do tipo sanguı́neo para os sistemas
ABO e Rh é realizada manualmente, por meio do método em
placa, que baseia-se nas reações imunológicas que ocorrem
quando se misturam determinados soros nas amostras de
sangue [7].
Essas reações podem provocar aglutinação, e a interpretação
da existência de aglutinação possibilita determinar quais os
antı́genos relacionados com os sistemas ABO e Rh estão
presentes e/ou ausentes nas hemácias da amostra de sangue.
O método em placa é o mais rápido, embora sujeito à falha
humana no processo de interpretação de resultados, e por
esse motivo, foi o método utilizado nesse estudo para validar
o software desenvolvido. A probabilidade de falha humana
poderá ser minimizada, ou mesmo anulada, se a determinação
dos tipos sanguı́neos for realizada de forma computadorizada.
O objetivo deste trabalho é apresentar um software eficiente
e de baixo custo para determinação de tipo sanguı́neo nos
sistemas ABO e Rh, utilizando técnicas de processamento
digital de imagens.
Este trabalho descreve o processo de formação desse soft-
30 REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015
ware. Na Seção II, é apresentada a revisão bibliográfica
sobre os sistemas de grupos sanguı́neos e os métodos para
determinação do tipo sanguı́neo, com foco nos sistemas ABO
e Rh. A Seção III contém uma breve revisão sobre os funda-
mentos do processamento digital de imagens. Na Seção IV, são
descritos os materiais e métodos empregados para a elaboração
do software, e na Seção V são apresentados os resultados
obtidos com utilização do mesmo. Por fim, são apresentadas
as principais conclusões deste trabalho.
II. GRUPOS SANGU ÍNEOS
Existem diversos sistemas de grupos sanguı́neos, os quais
foram identificados com base nos antı́genos localizados
nas membranas das hemácias [2]. Os sistemas de grupos
sanguı́neos caracterizam os indivı́duos de acordo com o tipo
sanguı́neo, que é um fator hereditário [1], [2], [4].
Atualmente são conhecidos cerca de 30 sistemas de grupos
sanguı́neos diferentes, desde os mais simples como o sistema
ABO, que contém apenas dois antı́genos, até os mais com-
plexos, como os sistemas MNS e Kell, que contêm 46 e 30
antı́genos, respectivamente [8]. Destacam-se para este trabalho
os sistemas de grupos sanguı́neos ABO e Rh.
A. SISTEMA ABO DE GRUPOS SANGUÍNEOS
O sistema ABO foi descoberto por Landsteiner, em 1900,
por meio de experimentos para investigar a compatibilidade
das transfusões de sangue nos seres humanos, com base
nas reações de aglutinação dos glóbulos vermelhos devido à
interação de anticorpos e antı́genos especı́ficos [2], [4], [9].
O sistema ABO classifica os tipos sanguı́neos de acordo
com a presença e/ou ausência dos antı́genos A e/ou B na
membrana eritrocitária. Assim, são reconhecidos quatro tipos
sanguı́neos: A, B, AB e O. Se apenas o antı́geno A está
presente na membrana das hemácias, têm-se o tipo sanguı́neo
A; se apenas o antı́geno B está presente na membrana er-
itrocitária, têm-se o tipo sanguı́neo B; se ambos os antı́genos
A e B estão presentes na membrana das hemácias, têm-se
o sangue tipo AB; e se os antı́genos A e B não estiverem
presentes na membrana eritrocitária, têm-se o tipo sanguı́neo
O [1], [2], [4], [9], [10].
Naturalmente, os indivı́duos não produzem anticorpos para
seus próprios antı́genos, porém cada indivı́duo desenvolve
anticorpos dirigidos para os antı́genos A e/ou B que estão
ausentes na membrana de suas hemácias [1], [2], [4].
Os indivı́duos com sangue tipo A apresentam em seu plasma
anticorpos anti-B; pessoas com o sangue do tipo B apresentam
anticorpos anti-A; os indivı́duos com tipo sanguı́neo AB não
apresentam nenhum desses anticorpos; e os indivı́duos com
tipo sanguı́neo O possuem em seu plasma os anticorpos anti-
A e anti-B [1], [2], [4], [9], [10].
Numa transfusão de sangue, os anticorpos presentes no
plasma sanguı́neo reagem com os antı́genos presentes nas
hemácias do sangue transfundido, podendo causar uma reação
de transfusão [1]. Pode-se observar na Tabela I a relação
entre os tipos de sangue do sistema ABO e seus respectivos
antı́genos e anticorpos.
Tabela I: Relação entre os tipos sanguı́neos do sistema ABO
e seus respectivos antı́genos e anticorpos.
TIPO ANTÍGENO ANTICORPO
SANGUÍNEO (Hemácias) (Plasma Sanguı́neo)
A Aglutinogênio A Aglutinina Anti-B
B Aglutinogênio B Aglutinina Anti-A
Aglutinogênio A
AB -
Aglutinogênio B
Aglutinina Anti-A
O -
Aglutinina Anti-B
B. SISTEMA Rh DE GRUPOS SANGUÍNEOS
O sistema Rh foi descoberto por Landsteiner no final da
década de 30 [4]. Assim como o sistema ABO, o sistema
Rh classifica o tipo sanguı́neo de acordo com os antı́genos
presentes nas superfı́cies eritrocitárias [4]. O antı́geno utilizado
na classificação do sistema Rh é chamado de fator Rh, con-
hecido também como antı́geno D [1]. O sistema Rh recebeu
esse nome devido ao macaco Rhesus, o animal experimental
no qual o antı́geno D foi encontrado primeiro [1], [4].
Quando o antı́geno D está presente na membrana das
hemácias, o indivı́duo é considerado Rh-positivo, caso
contrário, o indivı́duo é considerado Rh-negativo [1], [10].
A princı́pio, uma pessoa Rh-negativo não possui anticorpos
direcionados ao antı́geno D em seu plasma, pois esses an-
ticorpos são produzidos quando esse indivı́duo Rh-negativo
recebe hemácias com antı́geno D, o que pode ocorrer numa
transfusão sanguı́nea, por exemplo [1], [10].
O sistema Rh possui mais de 50 antı́genos, porém o antı́geno
D é considerado o de maior importância clı́nica, devido à
maior capacidade de produzir reações imunológicas [6].
Existem alterações qualitativas e quantitativas no antı́geno
D que dão origem à expressões denominadas, respectivamente,
“D parcial” e “D fraco”. Essas variantes do antı́geno D
são classificadas como Rh-positivos, porém os indivı́duos D
parcial podem desenvolver o anticorpo correspondente [6].
C. TESTES PARA DETERMINAÇÃO DO TIPO SANGUÍNEO
A legislação brasileira que trata dos exames de qualificação
no sangue de um doador recomenda a tipagem ABO e RhD
por meio de testes com reagentes anti-A, anti-B e anti-D [11],
[12].
Fig. 1: Exemplo de microtubo utilizado para tipagem do
antı́geno D [2].
Existem diversas técnicas disponı́veis para a tipagem
sanguı́nea, como por exemplo os métodos em placa, e em
tubos. A técnica de tubos requer a mistura da amostra de
REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015
sangue com o conteúdo de microtubos presentes em cartões,
que passam pelo processo de centrifugação, e em seguida é
realizada a interpretação dos resultados [7]. Um exemplo de
microtubos pode ser observado na Fig. 1.
Uma das técnicas usuais para determinação do tipo
sanguı́neo nos sistemas ABO e Rh utiliza soros contendo
anticorpos para os antı́genos A, B ou D [1]. Nessa técnica,
conhecida como método em placa, três gotas de sangue são
colocadas em lâminas de microscopia, sendo cada gota em
uma lâmina. Em seguida, são adicionados os soros anti-A,
anti-B e anti-D, em lâminas diferentes. Misturando o soro com
a gota de sangue, pode-se ver quando ocorre uma reação de
aglutinação.
Para a análise no sistema sanguı́neo ABO, se o sangue for
do tipo A, a aglutinação ocorrerá na lâmina com o soro anti-A;
se o sangue for do tipo B, a aglutinação ocorrerá na lâmina
com o soro anti-B; se o sangue analisado for do tipo AB,
ocorrerá aglutinação na lâmina com soro anti-A e na lâmina
com o soro anti-B; e se o sangue for do tipo O, não ocorrerá
aglutinação nas lâminas com o soro anti-A e anti-B [1], [10].
A análise no sistema sanguı́neo Rh é realizada de maneira
análoga: se houver aglutinação na lâmina com o soro anti-D, o
fator Rh é positivo, caso contrário, se não houver aglutinação
na lâmina com o soro anti-D, o fator Rh é negativo [10].
Na Seção seguinte são apresentados alguns fundamentos
do processamento digital de imagens, cuja compreensão foi
necessária para o desenvolvimento do software, com ênfase
nos conceitos que envolvem a segmentação de imagens digi-
tais.
III. PROCESSAMENTO DIGITAL DE IMAGENS
A. Detecção de Bordas
A detecção de bordas tem por objetivo a identificação de
descontinuidades na imagem, isto é, mudanças abruptas na
intensidade da imagem, que permitem identificar objetos nela
presentes [13].
Uma borda é o limite ou a fronteira entre duas regiões
com valores de luminância relativamente distintos. Assume-se
que as regiões em questão são suficientemente homogêneas,
de maneira que a transição entre duas regiões pode ser
determinada com base apenas na descontinuidade dos nı́veis
de cinza [14].
A análise está limitada a um perfil horizontal unidimen-
sional, mas a abordagem pode ser aplicada a uma borda
de qualquer orientação da imagem. A primeira derivada em
qualquer ponto da imagem é obtida usando a magnitude
do gradiente naquele ponto e a segunda derivada é obtida
similarmente utilizando o laplaciano [14].
Devido à sensibilidade da segunda derivada, seu uso para
detecção de bordas em imagens digitais pode ser compro-
metido pela presença de ruı́dos. As imagens ruidosas ne-
cessitam de um filtro de suavização para obtenção de bons
resultados. Utilizando a função Gaussiana como filtro de
suavização, têm-se o método de segmentação Laplaciano da
Gaussiana [15].
31
B. Limiarização
A limiarização é uma técnica de segmentação que utiliza
as propriedades e caracterı́sticas da imagem. A aplicação de
limiar consiste em segmentar uma imagem em duas regiões,
de acordo com um valor de limiar previamente estabelecido.
Os pixels com valores maiores que o limiar são colocados
em uma região, e os pixels com valores abaixo do limiar são
alocados em outra região. A aplicação de um limiar T cria uma
imagem binária b(x,y) a partir de uma imagem de intensidade
I(x,y), conforme equação 1 [13].
(
1 se I(x, y) > T
b(x, y) = (1)
0 para todos os outros valores de I(x, y)
Um exemplo da aplicação de limiar de intensidade é ap-
resentado na Fig. 2. É possı́vel observar que a segmentação
da imagem muda de acordo com o limiar de luminescência
escolhido.
Fig. 2: Exemplo da aplicação de limiar para segmentação de
imagem.
Muitas tarefas de processamento de imagens requerem que
o valor de limiar seja selecionado de forma automática. O
método de Otsu [16] é uma das abordagens utilizadas para
seleção automática de limiar global em imagens cujos his-
togramas são bimodais.
a) Método de Otsu: O método de Otsu é uma técnica que
determina um limiar ótimo com base na análise discriminante2 .
O método pressupõe que os pixels da imagem podem ser
separados em duas classes distintas, as quais possuem carac-
terı́sticas próprias (média, desvio padrão, variância, etc.) [16].
O algoritmo avalia todos os limiares possı́veis da imagem para
encontrar o limiar que lhe dá a maior variância inter-classe.
Maximizar a variância inter-classe é o mesmo que minimizar
a variância intra-classe [18].
Considerando um histograma normalizado de uma imagem
de intensidade representada por L nı́veis de cinza [1, 2, · · · , L],
teremos em cada nı́vel i um certo número de pixels ni . O
númeto total de pixels pode ser denotado por N = n1 + n2 +
· · · + nL [16]. A probabilidade de ocorrência de um pixel no
nı́vel i é
L
X
pi = ni /N, pi ≥ 0, pi = 1. (2)
i=1
2 Análise discriminante é uma técnica estatı́stica utilizada para reconheci-
mento de padrões [17].
32 REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015

Os pixels da imagem podem ser separados em duas classes IV. MATERIAS E M ÉTODOS
C0 e C1 por um limiar no nı́vel k. Essas duas classes Inicialmente, foi elaborado um código-fonte no MatLab R

representam o fundo da imagem e os objetos nela presentes, para calcular o desvio padrão dos valores dos pixels que
ou vice versa [16]. compõem parte de uma imagem digital, visando a detecção da
Considerando que C0 corresponde aos pixels com nı́veis aglutinação das hemácias, após interação com os soros anti-A,
[1, · · · , k], e C1 aos pixels com nı́veis [k + 1, · · · , L], a anti-B e anti-D. Para esse desenvolvimento foram utilizadas as
probabilidade de ocorrência e a média das classes podem ser técnicas de limiarização e detecção de bordas.
determinadas, respectivamente, por Após a elaboração do código-fonte, foi desenvolvida uma
interface para utilização no procedimento de coleta e análise
k
X de sangue. Nesse procedimento foram capturadas as imagens
w0 = P (C0 ) = pi = w(k) (3)
do sangue coletado, após a interação com os soros reagentes,
i=1
seguidos do processamento da imagem fotografada e da
comparação dos resultados obtidos pela análise visual com
L os resultados obtidos pelo software.
X
w1 = P (C1 ) = pi = 1 − w(k) (4)
i=k+1 A. PROCEDIMENTO DE COLETA E ANÁLISE DO SANGUE
e O procedimento de coleta e análise do sangue foi real-
izado no Laboratório de Biologia do IFPB, Campus João
µ(k) Pessoa, exclusivamente para fins da pesquisa que originou
µ0 = (5)
w(k) este trabalho. Todos os procedimentos foram aprovados pelo
Comitê de Ética em Pesquisa (CEP) do Instituto Federal de
Educação, Ciência e Tecnologia da Paraı́ba (IFPB), conforme
µT − µ(k) Certificado de Apresentação para Apreciação Ética (CAAE)
µ1 = , (6) no 31721214.0.0000.5185.
1 − w(k)
1) Participantes: Participaram da pesquisa 30 voluntários
em que com idades maiores que 18 anos. Para minimização dos riscos
não foram aceitos voluntários com problemas de coagulação
k
X sanguı́nea. Todos os participantes assinaram um Termo de
µ(k) = ipi , (7)
Consentimento Livre e Esclarecido (TCLE), para formalizar
i=1
seu consentimento em participar da pesquisa que originou este
e trabalho.
L
2) Materiais Utilizados: No procedimento de coleta e
X análise do sangue dos participantes foram utilizados materiais
µT = µ(L) = ipi . (8)
descartáveis e de higienização, além de utensı́lios, equipamen-
i=k+1
tos e reagentes. Os materiais descartáveis utilizados foram:
As variâncias das classes podem ser dadas por luva de procedimento, máscara cirúrgica facial, algodão, mi-
crolanceta de metal e palitos de dente. Os materiais de
k k higienização utilizados foram o álcool e o Pvpi (Iodopovi-
X X pi
σ02 = (i − µ0 )2 P (i | C0 ) = (i − µ0 )2 (9) dona).
w0
i=1 i=1 Além desses materiais, foram utilizados na preparação do
teste de tipagem sanguı́nea algumas lâminas de microscopia e
e
os reagentes anti-A, anti-B, e anti-D.
L
X L
X pi 3) Metodologia de Coleta do Sangue: A coleta de sangue
σ12 = (i − µ1 )2 P (i | C1 ) = (i − µ1 )2 . (10) foi realizada por uma bióloga por meio de punção digital, isto
w1
i=k+1 i=k+1 é, através de perfuração na face palmar interna da falange
distal do dedo médio (ponta do dedo médio), com o auxı́lio
A variância intra-classe é definida como de uma microlanceta descartável de metal, para extração de
três gotas de sangue. Após o procedimento de coleta o local
2
σW = w0 σ02 + w1 σ12 . (11) da punção foi assepsiado com Iodopovidona (PVPI).
Cada uma das três gotas do sangue coletado foi disposta
Para determinar o limiar ótimo, k ∗ , a variância intra-classe é em uma lâmina de microscopia diferente. Em seguida, foram
calculada para todos os possı́veis valores de k. O limiar ótimo colocados em cada gota de sangue um dos três reagentes para
será o valor de k que minimiza a variância intra-classe [18]. análise do tipo sanguı́neo no sistema ABO (soro anti-A e soro
Na Seção seguinte são descritos os materiais e métodos anti-B) e no sistema Rh (soro anti-D).
empregados para o desenvolvimento do software, e para o 4) Análise do Sangue Coletado: Após a coleta do sangue,
procedimento de coleta e análise do sangue que possibilitou a procedeu-se à análise visual da interação entre o sangue cole-
utilização da aplicação desenvolvida. tado e os respectivos soros, para indicação do tipo sanguı́neo
REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015
nos sistemas ABO e Rh do voluntário a partir da observação da
reação de aglutinação nas lâminas de microscopia. A análise
visual também foi realizada por uma bióloga. Concluı́da a
análise, as lâminas de microscopia foram fotografadas para
serem analisadas pelo software desenvolvido, e o resultado foi
comparado com o obtido pela análise visual.
As imagens foram coletadas por uma webcam a uma
distância de 10cm da lâmina e sobre iluminação de um
negatoscópio. Algumas lâminas também foram fotografadas
sobre uma folha de papel A4 branca, sem utilização do
negatoscópio, utilizando a câmera digital.
B. DESENVOLVIMENTO DO SOFTWARE
O software desenvolvido foi ajustado com base em imagens
de sangue dos Autores e da equipe do Grupo de Pesquisa,
resultando num grupo teste de 15 pessoas. Foram obtidas
45 (quarenta e cinco) imagens após interação de 15 (quinze)
amostras de sangue com cada um dos soros anti-A, anti-B e
anti-D. Foram utilizadas imagens no formato Portable Network
Graphics (PNG).
O processamento das imagens foi realizado no MatLab
R
por meio de funções que permitiram detectar alguns
parâmetros da imagem do sangue, como o centro e as bordas
da gota de sangue. Estas caracterı́sticas tornam possı́vel o
cálculo do desvio padrão dos pixels em determinadas áreas da
imagem da gota de sangue. O fluxograma do processamento
efetuado pelo software em cada uma das imagens pode ser
observado na Fig. 3.
Fig. 3: Processamento para detecção da aglutinação.
Após a aquisição da imagem, ocorre a conversão da imagem
colorida para escala de cinza. Na sequência, é realizada a
limiarização por meio da função do MatLab
R
“graythresh”,
33
que utiliza o método de Otsu, seguida da conversão da imagem
para binária.
A partir da imagem binária, realiza-se a detecção de bordas
e, em seguida, obtêm-se a maior dimensão e o centro do objeto
de maior área da imagem, que neste caso é a gota de sangue
misturada com o soro reagente. Esses dados são utilizados
para detectar a região de interesse, isto é, delimitar a região
na qual será medido o desvio padrão dos pixels da imagem.
A função utilizada para calcular o desvio padrão permite o
processamento em apenas um dos canais de cor da imagem
digital RGB, ou na correspondente imagem em escala de cinza.
Para o cálculo do desvio padrão nos experimentos optou-se
pela utilização do canal de cor G para o sistema ABO e do
canal de cor B para o sistema Rh.
A partir da imagem original extraı́-se o canal de cor cor-
respondente para medição do desvio padrão na região delim-
itada. Por fim, com base em um limiar previamente estabele-
cido, o software avalia por meio de uma estrutura de decisão
o desvio padrão mensurado, concluindo pela aglutinação ou
não da amostra, conforme o desvio padrão encontrado seja
superior ou inferior ao limiar, respectivamente.
1) Escolha do Método de Detecção de Bordas: A detecção
de bordas também é realizada com base na imagem binária,
por isso, quaisquer dos métodos Sobel, Roberts, Prewitt e LoG
poderiam ser utilizados. Optou-se pela utilização do método
de segmentação laplaciano da gaussiana (LoG), devido aos
contornos arredondados obtidos como resultado.
2) Detecção da Região de Interesse: Nos trabalhos encon-
trados, relacionados ao tema, a medição do desvio padrão foi
realizada na região da imagem delimitada por retângulos [7],
ou quadrados [19].
Observa-se que, nos trabalhos relacionados ao tema, a região
de interesse localiza-se na área interna da representação da
gota de sangue misturada com o reagente, desconsiderando
os pixels posicionados nas bordas. Na tentativa de verificar
se outras regiões da imagem da gota de sangue seriam
mais adequadas para detecção da aglutinação com base no
desvio padrão dos pixels, foram estabelecidos três métodos de
medição: em linha; na área interna da gota de sangue; e na
borda, conforme Fig. 4.
Fig. 4: Amostras de sangue com os métodos de medição.
Os métodos propostos foram avaliados e o método de
medição escolhido foi o da área interna, por ser o mais
adequado para se estabelecer um limiar para a detecção da
aglutinação com base no desvio padrão.
O código desenvolvido para o processamento da imagem da
gota de sangue realiza a delimitação da área de medição do
desvio padrão de forma automática.
34 REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015

A medição do desvio padrão dos pixels foi realizada na Para o sistema Rh, verifica-se na Tabela III que um limiar
área delimitada por um quadrado traçado a partir da menor aceitável para detecção da aglutinação nas amostras utilizadas
distância diagonal entre o centro e a borda da gota de sangue para ajuste do software, utilizando o canal B, estaria entre
na imagem. entre o maior desvio padrão encontrado nas amostras sem
Com base na imagem binária gerada após o processo de aglutinação (6.6477) e o menor desvio padrão encontrado
limiarização, o software analisa cada pixel posicionado ao nas amostras com aglutinação (9.5832), desconsiderando as
longo de linhas diagonais imaginárias, a partir do centro em amostras com aglutinação que apresentaram desvios padrões
direção às bordas. Dentre as quatro distâncias obtidas, o menor de 3.7651 e 6.1286, destacados em vermelho. Foi escolhido o
valor centro-borda é o utilizado para definir a área de medição limiar de 8 (oito) para o sistema Rh, por ser o número inteiro
correspondente a um quadrado. O cálculo do desvio padrão mais próximo da média dos valores de desvio padrão 6.6477
dos valores dos pixels é realizado na área delimitada por esse e 9.5832.
quadrado, nos canais de cor G (sistema ABO) ou B (sistema
Rh). Tabela III: Resultado do desvio padrão utilizando o método
3) Escolha do Limiar de Desvio Padrão para Detecção de de medição na área interna para o sistema Rh.
Aglutinação: Do ponto de vista da imagem digital, pode- Desvio Padrão
se perceber que a aglutinação provoca uma variação nos Amostras Amostras
pixels que representam a gota de sangue, e o desvio padrão com Aglutinação sem Aglutinação
pode ser utilizado para detectar essa aglutinação. Um limiar 15.0555 3.3823
de desvio padrão é estabelecido para que o software possa 13.5134 6.6477
11.6333 -
definir, por meio de uma estrutura de decisão, se houve ou
16.3302 -
não aglutinação, isto é, se o desvio padrão em uma amostra 15.2270 -
for superior ao limiar, significa que houve aglutinação, caso 9.5832 -
contrário, não houve aglutinação. 14.8908 -
Os trabalhos existentes nessa área, utilizam um limiar 10.9316 -
de desvio padrão de 16 (dezesseis) [19] ou 20 (vinte) [7], 11.4775 -
realizando a medição na área delimitada por um quadrado ou 3.7651 -
por um retângulo traçado dentro da representação da gota de 11.7736 -
6.1286 -
sangue, ambos no canal de cor G [7], [19].
17.6153 -
Para o sistema ABO, observa-se na Tabela II que descon-
siderando a amostra com aglutinação que apresentou o desvio
padrão de 11.0465, destacado em vermelho, os dois valores Após a escolha do canal a ser utilizado no cálculo do desvio
de limiar (16 ou 20) poderiam ser utilizados. Foi escolhido o padrão, do método de detecção de bordas, da região de inter-
limiar de 20 (vinte) para o sistema ABO. esse e do limiar de desvio padrão para detecção de aglutinação,
foi desenvolvida uma interface usando o MatLab R
, conforme
Tabela II: Resultado do desvio padrão utilizando o método de Fig. 5.
medição na área interna para o sistema ABO. Na Fig. 5 pode-se observar um exemplo do resultado exibido
Desvio Padrão na interface do software desenvolvido, após o processamento
Amostras Amostras das imagens do sangue misturado com os reagentes anti-A
com Aglutinação sem Aglutinação (Imagem 1), anti-B (Imagem 2) e anti-D (Imagem 3).
26.5070 13.9525 Na Seção seguinte são apresentados os resultados obtidos
47.9692 14.3767 pelo software desenvolvido e a comparação entre esses resul-
25.8913 10.8783
tados e aqueles obtidos pela análise visual do sangue após a
26.0017 9.0447
37.6965 12.1033 interação com os soros utilizados para a tipagem sanguı́nea.
30.6525 11.3819
29.6085 10.6303 V. RESULTADOS
11.0465 11.3081
23.6387 10.6659 Foram realizados 30 (trinta) testes para determinação do tipo
37.1399 12.8011 sanguı́neo nos sistemas ABO e Rh, conforme procedimentos
- 14.2021 descritos na Subseção IV-A. Após o procedimento de coleta
- 12.0481 e análise visual do sangue, as amostras foram fotografadas
- 8.4330 e, em seguida, processadas pela aplicação desenvolvida. As
- 6.2663 amostras foram enumeradas de 1 a 30, cada uma associada
- 10.9063 à três imagens, referentes à interação com cada um dos três
- 8.6525 soros reagentes utilizados para o teste de tipagem sanguı́nea
- 13.2413
(anti-A, anti-B e anti-D).
- 11.8741
- 14.4879 As amostras foram fotografadas por uma webcam utilizando
- 12.6066 a resolução de 640 X 360 pixels. Algumas imagens também
foram fotografadas por uma câmera fotográfica utilizando a
REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015 35

Fig. 5: Interface desenvolvida no MatLab

R
.

resolução de 4320 X 3240 pixels. A resolução influencia bas-
tante no resultado de desvio padrão, porém pouca diferença se
nota com relação à delimitação da área de medição, conforme
se observa na Fig. 6 e na Fig. 7.
canal B, para o sistema Rh. Foram estabelecidos os limiares
de desvio padrão para detecção da aglutinação de 20 (vinte)
para o sistema ABO, e de 8 (oito) para o sistema Rh.
Na Tabela IV são apresentados os resultados obtidos pelo
software com utilização de imagens das amostras 09 a 30,
capturadas pela câmera fotográfica com resolução de 4320
X 3240 pixels. Os valores que ultrapassaram os limiares
estabelecidos foram destacados em vermelho para melhor
visualização.

Tabela IV: Resultados obtidos utilizando imagens capturadas

com resolução de 4320 X 3240.
No RESULTADO DESVIO PADRÃO
DA OBTIDO PELO SISTEMA ABO SISTEMA Rh
o
Fig. 6: Delimitação da região de interesse na amostra n 14 AMOSTRA SOFTWARE ANTI-A ANTI-B ANTI-D
com soro anti-A, capturada com resolução de 4320 X 3240 09 B- 6.4359 39.7295 6.4301
pixels. 10 A- 36.4380 11.0302 7.2579
11 O- 12.5679 8.3595 4.2589
12 O+ 8.7703 6.3323 8.1049
13 O+ 19.5558 2.6552 14.2481
14 A- 34.5064 10.5945 4.3961
15 A- 32.2905 8.2999 7.5868
16 A- 27.5239 6.4579 2.7397
17 O+ 5.6252 8.3192 10.4262
18 O- 9.3647 5.7142 6.9500
19 A+ 35.9970 12.2629 9.3291
20 A- 29.6507 7.9013 3.9023
21 A+ 34.5001 10.6240 24.0274
22 A+ 34.6867 7.0981 15.9075
23 O+ 13.0998 12.8128 8.4899
24 B- 3.0362 31.4906 7.3216
Fig. 7: Delimitação da região de interesse na amostra no 14 25 B- 2.2472 24.2447 4.2175
com soro anti-A, capturada com resolução de 640 X 360 26 B+ 11.0906 48.7969 26.7196
pixels. 27 O+ 12.5138 7.0682 10.5597
28 O+ 10.4565 10.6216 27.0984
29 O- 8.8509 5.8719 4.8546
O desvio padrão foi calculado na área interna da gota de 30 A- 40.3666 1.7339 6.4349
sangue, utilizando o canal de cor G, para o sistema ABO, e o
36 REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015

Para avaliar o desempenho do software, os resultados obti- com resolução de 640 X 360 pixels. Os valores que ultrapas-
dos foram comparados com os resultados da análise visual saram os limiares estabelecidos também foram destacados em
realizada por uma bióloga. Na Tabela V são exibidos os vermelho.
resultados da análise visual e os resultados obtidos pelo
software desenvolvido, utilizando as imagens capturadas pela
Tabela VI: Resultados obtidos utilizando imagens capturadas
câmera fotográfica.
por uma webcam com resolução de 640 X 360.
Tabela V: Comparação entre os resultados da análise visual e No RESULTADO DESVIO PADRÃO
os resultados obtidos pelo software. DA OBTIDO PELO SISTEMA ABO SISTEMA Rh
AMOSTRA SOFTWARE ANTI-A ANTI-B ANTI-D
No RESULTADO RESULTADO ACERTO / ERRO 1 A+ 31.9495 12.2851 11.2940
DA DA ANÁLISE OBTIDO PELO SISTEMA SISTEMA 2 AB+ 21.9626 22.3661 16.1197
AMOSTRA VISUAL SOFTWARE ABO Rh 3 O+ 3.6432 3.8529 8.3331
9 B+ B- ACERTO ERRO
4 O- 13.2018 4.5373 6.7349
10 A- A- ACERTO ACERTO
5 O+ 11.7948 12.9074 8.7779
11 O- O- ACERTO ACERTO
6 A+ 24.3195 11.2574 16.5374
12 O+ O+ ACERTO ACERTO
7 O+ 16.6601 13.8954 11.3142
13 A+ O+ ERRO ACERTO
8 O+ 9.5678 10.8889 14.3661
14 A+ A- ACERTO ERRO
15 A- A- ACERTO ACERTO 9 B+ 12.6703 25.4056 12.0037
16 A+ A- ACERTO ERRO 10 A+ 26.6682 11.1023 11.2051
17 O+ O+ ACERTO ACERTO 11 O+ 15.3591 11.9619 11.1925
18 O+ O- ACERTO ERRO 12 O+ 8.4412 9.1193 8.7415
19 A+ A+ ACERTO ACERTO 13 A- 23.6277 4.0280 7.6411
20 A- A- ACERTO ACERTO 14 A+ 20.5185 10.1973 15.2178
21 A+ A+ ACERTO ACERTO 15 A+ 28.9069 12.6823 10.3745
22 A+ A+ ACERTO ACERTO 16 A+ 21.2812 13.0230 14.0708
23 O+ O+ ACERTO ACERTO 17 O+ 10.3353 18.9865 11.3782
24 B+ B- ACERTO ERRO 18 O+ 13.4751 11.9392 10.4381
25 B+ B- ACERTO ERRO 19 A+ 41.4653 11.6388 11.1740
26 B+ B+ ACERTO ACERTO 20 A+ 31.2939 15.1331 19.5437
27 O+ O+ ACERTO ACERTO 21 A+ 47.5558 13.8825 21.0112
28 O+ O+ ACERTO ACERTO
22 A+ 29.1065 13.2705 15.3423
29 O+ O- ACERTO ERRO
23 O+ 14.4004 14.9585 11.5442
30 A- A- ACERTO ACERTO
24 B+ 4.4594 37.0694 20.2789
25 B+ 11.7250 28.9080 12.1538
26 B+ 9.8544 30.6932 12.1913
Comparando-se os resultados da análise visual com os 27 O+ 12.1696 18.9825 10.4011
obtidos pelo software, utilizando imagens capturadas pela 28 O+ 12.8732 13.4476 12.7697
câmera fotográfica com resolução de 4320 X 3240 pixels, 29 O+ 14.7973 16.2159 9.4123
verificou-se apenas um erro para o sistema ABO e 7 (sete) 30 A+ 43.3547 4.6859 11.7729
erros para o sistema Rh.
O erro relacionado ao sistema ABO poderia ter sido evitado
com a alteração do limiar de desvio padrão para detecção de
A Tabela VII permite comparar os resultados da análise vi-
aglutinação de 20 (vinte) para 16 (dezesseis), por exemplo,
sual e os resultados obtidos pelo software. É possı́vel perceber
pois o desvio padrão calculado pelo software para a amostra
que para o sistema ABO o software desenvolvido conseguiu
que apresentou erro foi de 19.5558, conforme Tabela IV.
detectar a aglutinação em todos os casos, apresentando resul-
Além disso, as demais amostras consideradas aglutinadas no
tados idênticos aos da análise visual.
sistema ABO possuem desvio padrão superior a 16 (dezesseis),
enquanto que as consideradas não aglutinadas possuem desvio Para o sistema Rh aconteceram erros principalmente quando
padrão inferior a 16 (dezesseis). da ocorrência do Rh negativo na análise visual. Isso se deve
Quanto ao sistema Rh, observa-se que os erros resultam da aos diferentes padrões de aglutinação nas reações do sangue
diferença de padrões de aglutinação decorrentes da interação com o soro anti-D. Além disso, a qualidade da imagem
da amostra de sangue com o soro anti-D. As reações de capturada influencia decisivamente nos resultados auferidos.
aglutinação que ocorrem nas bordas da gota de sangue mis- Anaisando-se a Tabela VII, depreende-se que o percentual
turada com o soro reagente não são detectadas pelo desvio de acerto para o sistema ABO foi de 100% para um universo
padrão calculado pelo método de medição na área interna. de 30 (trinta) amostras, utilizando o método de medição da
Para este trabalho, foram considerados principalmente os área interna da gota de sangue para o cálculo do desvio padrão
resultados obtidos com utilização de uma webcam, por terem no canal de cor G da imagem capturada por uma webcam
sido capturadas logo após o procedimento de coleta e análise com baixa resolução e com iluminação de um negatoscópio.
do sangue. Quanto ao sistema Rh, o percentual de acerto foi de 80%,
Na Tabela VI são apresentados os resultados obtidos pelo porém os resultados indicam a necessidade de maior estudo e o
software desenvolvido, para as amostras de sangue dos 30 desenvolvimento de técnicas especı́ficas para o processamento
(trinta) participantes, capturadas com utilização da webcam da imagem nesse sistema.
REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015 37

VI. DISCUSS ÃO E CONCLUS ÃO muito especı́ficos no reconhecimento de antı́genos. Quando
se usam reagentes monoclonais, a utilização do soro anti-AB
No Brasil, não foram encontrados estudos relacionados ao
não é obrigatória [11].
tema. Foram encontrados apenas dois estudos desenvolvi-
Esse primeiro trabalho limitou-se a divulgar a possibilidade
dos em Portugal. O primeiro, publicado no XI Congresso
de detecção da aglutinação por meio do desvio padrão dos
Brasileiro de Informática em Saúde, foi desenvolvido no
pixels da imagem do sangue após interação com os reagentes,
Instituto Politécnico do Cávado e do Ave [7] e o segundo,
uma vez que não foram apresentados resultados da utilização
na Escola de Engenharia da Universidade do Minho [19].
da aplicação em uma quantidade significativa de amostras.
O segundo trabalho encontrado, com foco no desenvolvi-
Tabela VII: Comparação entre os resultados da análise visual
mento de um sistema mecatrônico, utiliza a aplicação desen-
e os resultados obtidos pelo software.
volvida por Ana Ferraz, uma das autoras do primeiro trabalho
No DA RESULTADO RESULTADO ACERTO / ERRO mencionado, no mestrado em Bioinformática pela Universi-
DA DA ANÁLISE OBTIDO PELO SISTEMA SISTEMA
AMOSTRA VISUAL SOFTWARE ABO Rh
dade do Minho, cuja dissertação intitulada “Caracterização de
1 A+ A+ ACERTO ACERTO amostras sanguı́neas recorrendo a técnicas de processamento
2 AB+ AB+ ACERTO ACERTO de imagens” não foi apreciada por não ter sido encontrada a
3 O+ O+ ACERTO ACERTO respectiva publicação. O cálculo do desvio padrão também foi
4 O- O- ACERTO ACERTO
5 O+ O+ ACERTO ACERTO
realizado numa área retangular dentro da imagem do sangue
6 A+ A+ ACERTO ACERTO com o reagente, sem menção de que essa área tenha sido
7 O+ O+ ACERTO ACERTO delimitada automaticamente e do canal de cor utilizado no
8 O+ O+ ACERTO ACERTO processamento das imagens. Foi estabelecido um limiar de
9 B+ B+ ACERTO ACERTO
10 A- A+ ACERTO ERRO
desvio padrão para detecção da aglutinação de 16 (dezesseis),
11 O- O+ ACERTO ERRO tanto para o sistema ABO quanto para o sistema Rh.
12 O+ O+ ACERTO ACERTO O segundo estudo mencionado limitou-se a analisar a via-
13 A+ A- ACERTO ERRO bilidade da determinação do tipo sanguı́neo nos sistemas ABO
14 A+ A+ ACERTO ACERTO
15 A- A+ ACERTO ERRO
e Rh, realizando o processamento de amostras catalogadas, ce-
16 A+ A+ ACERTO ACERTO didas pelo Instituto Português do Sangue e da Transplantação,
17 O+ O+ ACERTO ACERTO correspondentes aos tipos sanguı́neos A+ , A- , B+ , B- , AB+ ,
18 O+ O+ ACERTO ACERTO
AB- , O+ e O- , sem a integração necessária para que a aplicação
19 A+ A+ ACERTO ACERTO
20 A- A+ ACERTO ERRO
exibisse o resultado final do teste.
21 A+ A+ ACERTO ACERTO Considerando que os estudos encontrados não avaliaram em
22 A+ A+ ACERTO ACERTO termos quantitativos as respectivas aplicações desenvolvidas,
23 O+ O+ ACERTO ACERTO
não há como comparar os resultados obtidos por este trabalho
24 B+ B+ ACERTO ACERTO
25 B+ B+ ACERTO ACERTO
com aqueles apresentados pela literatura encontrada.
26 B+ B+ ACERTO ACERTO Este trabalho diferencia-se dos outros estudos encontrados
27 O+ O+ ACERTO ACERTO pela utilização de limiares de desvio padrão diferentes para o
28 O+ O+ ACERTO ACERTO
sistema ABO e Rh, pela integração do dispositivo de captura
29 O+ O+ ACERTO ACERTO
30 A- A+ ACERTO ERRO
de imagens (webcam) à aplicação desenvolvida, pela utilização
do canal de cor B para o sistema Rh e pela aplicação do teste
manual em lâmina, baseado no método em placa, utilizando
O primeiro trabalho encontrado apresenta uma metodologia reagentes monoclonais.
também baseada no método em placa, utilizando o desvio Na prática, o teste manual em lâmina ainda é utilizado, pois
padrão para detectar a aglutinação. As imagens de cada devido ao custo elevado, que pode chegar a e191.463,00 [19],
amostra de sangue após interação com os reagentes foram os pequenos hospitais e laboratórios nem sempre contam com
capturadas por uma máquina fotográfica (Sony Cyber-shot equipamentos modernos e seguros para o teste de tipagem
DSC-S600) e processadas individualmente pela aplicação de- sanguı́nea. A utilização do programa permite identificar a
senvolvida em LabVIEW
R
. O cálculo do desvio padrão foi aglutinação com base no desvio padrão dos valores dos
realizado numa área retangular dentro da representação da gota pixels da imagem do sangue, após interação com os reagentes
de sangue misturada com o reagente, utilizando o canal de utilizados para classificação sanguı́nea, contribuindo para a
cor G, porém não há menção de que essa área tenha sido minimização do risco de falha humana na interpretação dos
delimitada automaticamente. O limiar de desvio padrão para resultados da aplicação do teste de tipagem sanguı́nea manual
detecção da aglutinação utilizado foi de 20 (vinte), tanto para em lâmina.
o sistema ABO quanto para o sistema Rh. Neste trabalho foram vistos os conceitos fundamentais refer-
Foram utilizados quatro tipos de reagentes nesse primeiro entes aos sistemas de grupos sanguı́neos e ao processamento
estudo mencionado: anti-A, anti-B, anti-AB e anti-D. A digital de imagens, conceitos estes que foram aplicados no
utilização do reagente anti-AB é recomentada quando os desenvolvimento de um software para determinação do tipo
reagentes são policlonais, que são reagentes com pouca es- sanguı́neo nos sistemas ABO e Rh, a partir do processamento
pecificidade. No presente trabalho foram utilizados reagentes das imagens de sangue após a interação com os soros utiliza-
monoclonais, que são reagentes homogêneos em estrutura dos para a tipagem sanguı́nea. Foram desenvolvidas técnicas
38 REVISTA DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO, VOL. 5, NO. 1, MAIO 2015
de medição do desvio padrão nessas imagens para detecção da
aglutinação que indica, em última análise, o tipo sanguı́neo de
um indivı́duo.
Os resultados demonstram que, para o sistema ABO, a
utilização do desvio padrão calculado pela técnica desen-
volvida permite a obtenção de um percentual de acerto de
100%, utilizando uma baixa resolução na captura da imagem.
Nas imagens capturadas com alta resolução, percebe-se que a
alteração do limiar para detecção da aglutinação de 20 (vinte)
para 16 (dezesseis) reduziria o erro do software. Portanto,
pode-se concluir que o limiar deve ser ajustado de acordo
com a resolução do dispositivo de captura de imagens.
Considerando o ajuste de limiar mencionado acima,
observa-se que os resultados apresentados com utilização dos
dois dispositivos (webcam e câmera fotográfica) são semel-
hantes para o sistema ABO, pois o percentual de acerto seria
de 100% para os dois dispositivos.
Para o sistema Rh, os resultados revelam que a diversidade
de padrões de aglutinação do sangue após a reação com o
soro anti-D, dificulta a aplicação de uma mesma técnica que
funcione para a maioria dos casos. Na literatura referente ao
tema observa-se que o sistema Rh é pouco mencionado. Pos-
sivelmente, isso se deve à grande complexidade desse sistema,
que possui uma grande diversidade de antı́genos, conforme
descrito na Subseção II-B. Muitas vezes é preciso recorrer a
testes moleculares para a determinação do tipo sanguı́neo no
sistema Rh. Torna-se necessário, portanto, o desenvolvimento
de técnicas mais avançadas para o processamento das imagens
nesse sistema.
Como trabalhos futuros, pode-se apontar o aperfeiçoamento
da detecção de aglutinação em amostras submetidas ao soro
reagente anti-D, utilizando-se uma combinação das técnicas de
medição apresentadas neste trabalho, ou avaliando-se toda a
imagem da gota de sangue misturada com o reagente. Sugere-
se que sejam obtidas imagens de amostras de sangue junto
a laboratórios que realizam o teste de tipagem sanguı́nea
rotineiramente, como forma de melhor avaliar o software
desenvolvido, considerando a precisão dos resultados.
Sugere-se ainda o desenvolvimento de uma aplicação para
smartphones, ou a adaptação do software desenvolvido para
uma linguagem de programação que permita o registro da
aplicação. Para tornar o sistema versátil, pode-se adaptar a
aplicação para processamento de uma só imagem, com as três
lâminas contendo o sangue após interação com os respectivos
reagentes.
R EFER ÊNCIAS
[1] B. J. Cohen and D. L. Wood, MEMMLER, O Corpo Humano na Saúde
e na Doença, 9th ed. São Paulo: Manole, 2002, p. 227-242. Tı́tulo
original: Memmler‘s the Human Body in Health and Disease.
[2] A. L. Girello and T. I. B. B. Kühn, Fundamentos da Imuno-Hematologia
Eritrocitária. São Paulo: SENAC, 2002, p. 85-87; 119-120; 137.
[3] I. P. Liu, “Análise de Resultados da Tipagem Sanguı́nea Antes e Após a
Implantação da Técnica de Semiautomação.” Monografia (Biomedicina),
Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, 2012.
[4] L. B. Jorde, J. C. Carey, and M. J. Bamshad, Genética Médica, 4th ed.
Rio de Janeiro: Elsevier, 2010, p. 85-93. Tı́tulo original: Medical
Genetics.
[5] P. R. Perdiz, “Nova Tecnologia Acelera Testes de Tipagem Sanguı́nea.”
Jornal Laboratório da Faculdade de Artes e Comunicação da
UNISANTA, 17 mar. 2007. [Online]. Available: http://online.unisanta.
br/2007/03-17/ciencia-2.htm
[6] A. P. C. N. da C. Cozac, “Fenotipagem RhD: Particularidades
e implicações clı́nicas,” Fleury Medicina e Saúde, 2011. [Online].
Available: http://www.fleury.com.br/medicos/medicina-e-saude/artigos/
Pages/fenotipagem-rhd-particularidades-e-implicacoes-clinicas.aspx
[7] A. Ferraz, V. Carvalho, and P. Brandão, “Determinação Automática do
Tipo Sanguı́neo de Humanos Utilizando Técnicas de Processamento de
Imagem,” in Anais..., Congresso Brasileiro de Informática em Saúde.
São Paulo: SBIS, 2008.
[8] M. R. Borges-Osório and W. M. Robinson, Genética Humana, 3rd ed.
Porto Alegre: Artmed, 2013, p. 334.
[9] R. K. Murray, D. A. Bender, K. M. Botham, P. J. Kennelly, V. W.
Rodwel, and P. A. Weil, Bioquı́mica Ilustrada de Harper, 29th ed.
Porto Alegre: AMGH, 2013, p. 669. Tı́tulo original: Harper‘s Illustrated
Biochemistry.
[10] S. Linhares and F. Gewandsznajder, Biologia, 1st ed. São Paulo: Ática,
2005, vol. Único, p. 381-385.
[11] BRASIL. Ministério da Saúde, “Portaria n. 2.712, de 12 de novembro de
2013. Redefine o regulamento técnico de procedimentos hemoterápicos.”
Diário Oficial da União da República Federativa do Brasil, no. 221, 13
nov. 2013, p. 106-122. Seção I.
[12] BRASIL. Agência Nacional de Vigilância Sanitária. Diretoria Colegiada,
“Resolução n. 34, de 11 de julho de 2014. Dispõe sobre as boas práticas
no ciclo do sangue.” Diário Oficial da União da República Federativa
do Brasil, no. 113, 16 jun. 2014, p. 50-84. Seção I.
[13] C. Solomon and T. Breckon, Fundamentos de Processamento Digital de
Imagens, 1st ed. Rio de Janeiro: LTC, 2013, p. 1-17; 44-100; 236-242.
Tı́tulo original: Fundamentals of Digital Image Processing: a Practical
Approach with Examples in MatLab.
[14] C. D. M. Regis, “Métrica de Avaliação Objetiva de Vı́deo Usando
a Informação Espacial, a Temporal e a Disparidade.” Doutorado em
Engenharia Elétrica, Universidade Federal de Campina Grande, Campina
Grande, PB, 2013.
[15] A. G. Campos, “Detecção e Análise de Contornos em Imagens 2D.”
Mestrado em Fı́sica Aplicada, Instituto de Fı́sica de São Carlos, Uni-
versidade de São Paulo, São Carlos, SP, 1998.
[16] N. Otsu, “A threshold selection method from gray-level histograms,”
IEEE Transactions on Systems, Man, and Cybernetics, vol. SMC-9,
no. 1, pp. 62–66, jan 1979.
[17] J. F. Hair Jr., W. C. Black, B. J. Babin, R. E. Anderson, and R. L. Tatham,
Análise Multivariada de Dados, 6th ed. Porto Alegre: Bookman, 2009,
p. 224-225. Tı́tulo original: Multivariate Data Analysis.
[18] A. M. Santos, “Segmentação Adaptativa Baseada em Histograma de
Imagens Sanguı́neas,” Monografia (Engenharia da Computação), Escola
Politécnica de Pernambuco, Universidade de Pernambuco, Recife, PE,
2012.
[19] V. S. C. Moreira, “Desenvolvimento de um Sistema Automático de
Determinação do Tipo Sanguı́neo.” Mestrado em Engenharia Eletrônica
Industrial e Computadores, Escola de Engenharia, Universidade do
Minho, Braga, Portugal, 2012.