Clasificador automático de imágenes de muestras de sangre basado en redes neuronales profundas
Palabras clave:
tamizaje neonatal, momentos de color, componentes HSV, autocodificadores profundos, reconocimiento de patronesResumen
El tamizaje neonatal masivo es una prueba que se realiza a todos los recién nacidos para detectar y prevenir enfermedades congénitas, hereditarias y metabólicas que afectan el crecimiento y desarrollo normal del niño. Esta prueba consiste en realizar una pequeña punción en el talón del bebé para tomar unas pocas gotas de sangre y colocarlas en un papel filtro para ser analizadas en el laboratorio. Una de las etapas de este análisis es la evaluación de la calidad de las muestras basándose en elementos como la coloración de las muestras, el secado, la presencia de impurezas y la presencia de coágulos. Debido a que esta etapa requiere de elevada experiencia, agilidad y memoria visual de los especialistas, en ocasiones se llevan muestras al laboratorio que no brindan los mejores resultados por la baja calidad que presentan. Este trabajo presenta un estudio para desarrollar un clasificador automático basado en redes neuronales profundas que evalúe la calidad de las muestras de sangre analizadas. Este clasificador se basa en el reconocimiento de patrones asociados a los momentos de color y a las componentes de matiz, saturación y valor del brillo, extraídos de las imágenes de las muestras de sangre. Para esto se seleccionó una red neuronal profunda compuesta por dos autocodificadores profundos más un clasificador softmax, entrenada con ejemplos de imágenes de muestras de sangre, obteniéndose resultados satisfactorios en la validación del método con la clasificación correcta de las muestras sometidas a análisis.
Descargas
Publicado
Número
Sección
Licencia
- Los autores que publican en esta revista están de acuerdo con los siguientes términos: Los autores conservan todos los derechos de autor y garantizan a la revista el derecho de ser la primera en publicar el trabajo.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
- Los contenidos de la revista se distribuyen bajo una licencia Creative Commons Attribution-NonCommercial 4.0. Esto significa que se permite su copia y distribución por cualquier medio, siempre que mantenga el reconocimiento de sus autores y no se haga uso comercial de las obras. La licencia completa puede consultarse en:
https://creativecommons.org/licenses/by/4.0/deed.es_ES