Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
Los algoritmos de Deep Learning son cada vez mas utilizados para el procesamiento de imágenes ya que muestran un gran desempeño en la clasi ficacion y detección de objetos comparado a los algoritmos tradicionales. En el área de la medicina y biología molecular en donde se realizan experimentos d...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Artículo revista |
| Lenguaje: | Español |
| Publicado: |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
2018
|
| Materias: | |
| Acceso en línea: | https://www.ridaa.unicen.edu.ar/handle/123456789/2212 |
| Aporte de: |
| Sumario: | Los algoritmos de Deep Learning son cada vez mas utilizados para el procesamiento
de imágenes ya que muestran un gran desempeño en la clasi ficacion y
detección de objetos comparado a los algoritmos tradicionales.
En el área de la medicina y biología molecular en donde se realizan experimentos
de microscopia es necesario en algunos casos, realizar procesamientos sobre imágenes
de alta resolución. En el caso particular de imágenes de fluorescencia, en donde
las mismas contienen células, es de vital importancia la precisión en el conteo y
clasi ficacion de cada una de ellas presentes en el experimento. Como cada imagen
puede contener cientos de células, el conteo manual resulta en una tarea tediosa. Por
esta razón existen soluciones semi-automáticas que ayudan en esta tarea, aunque en
el caso de la detección de objetos de interés con morfología irregular, los algoritmos
de estas soluciones no logran buena precisión.
En el presente trabajo se pretende estudiar la viabilidad de una solución basada
en algoritmos de Deep Learning para el conteo y detección de células en imágenes
de fluorescencia de alta resolución. |
|---|