A sepse é uma infecção generalizada do organismo, caracterizada por uma resposta inflamatória sistêmica que pode levar à falência múltipla de órgãos. Para diminuir a elevada taxa de mortalidade associada aos quadros da sepse grave, faz-se necessária a detecção de alterações estruturais de tecidos e da microcirculação o mais cedo possível. O advento da técnica de imageamento por Sidestream Dark Field (SDF) possibilitou a identificação de alterações da microcirculação usando imagens dinâmicas de alta resolução por meio da iluminação por diodos emissores de luz. As imagens SDF permitem uma caracterização eficiente da arquitetura de vênulas e capilares sanguíneos, tanto em seu estado normal quanto na presença de inflamações, que estão associadas aos quadros da sepse. Neste contexto, este projeto tem como objetivo desenvolver uma metodologia automatizada de detecção e caracterização do nível de heterogeneidade da arquitetura tecidual em imagens SDF de pacientes com sepse. Este projeto envolve o desenvolvimento de dois modelos matemáticos: o primeiro é baseado em grafos, redes com ramificações e fractais para representar e quantificar as estruturas dos vasos sanguíneos e suas respectivas correlações com os tecidos dos órgãos com sepse. O segundo modelo matemática é baseado em extrair descritores baseados em padrões de níveis cinza e coefficients de wavelets.

Real-time detection of sepsis on a video data is a new aboard technique that aids the septic patient and decreases the high mortality rate. The progressive impairment of the micro-circulation associated with increased systemic inflammatory response in sepsis has been considered the origin of the multiple organ dysfunction syndrome that often leads to death. However, despite the recognized importance of the micro circulatory dysfunction, analysis methods able to correlate the severity of sepsis with the degree of impairment of micro-hemodynamic captured by portable microscope Side-stream Dark Field Imaging (SDF) are rarely used. Hence, the classification of the severity of sepsis by analyzing the micro-circulatory dysfunction would be of great assistance in diagnosing severity and therapeutic management. ln this context, the aim of this work is to propose a new computational methodology based mathematical models: the first isa graph based methodology to obtain metrics for determining the degree of micro-vascular and tissue commitment dueto sepsis. The second model is based on the extraction of a features using local patterns of gray leveis e wavelets coefficients.