Reconocimiento automático de células malignas en sangre periférica a partir de imágenes digitales y utilizando redes neuronales convolucionales
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/173676
Correu electrònic de l'autorrebekka_bcnhotmail.com
Tipus de documentTreball Final de Grau
Data2018-06-28
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial 3.0 Espanya
Abstract
Existe una gran variedad de patologías que afectan a los glóbulos blancos, desde enfermedades
benignas a patologías graves. Las leucemias son patologías que se originan por proliferaciones
incontroladas de los precursores inmaduros de los elementos sanguíneos que circulan en la sangre
(leucocitos, hematíes y plaquetas). Los linfomas son proliferaciones incontroladas de la serie
linfoide en los tejidos donde tiene lugar su maduración (órganos linfoides). Para su diagnóstico se
realiza un análisis morfológico de las células extraídas de la sangre periférico (vasos sanguíneos).
Esta técnica para algunas patologías es imprescindible y requiere de personal cualificado y experto,
ya que la morfología entre los diferentes estados de maduración de los glóbulos blancos tiene
diferencias leves. La morfología celular en patologías como los estados febriles muestra cambios
que también presentan las células que proliferan en otras patologías graves como las leucemias.
Por lo tanto, es de vital importancia para los pacientes, realizar una clasificación celular correcta
con el fin de determinar la gravedad patológica y derivar al paciente al especialista médico
adecuado en la mayor brevedad posible. Existen equipos que preclasifican células sanguíneas, pero
son muy costosos y funcionan mejor con células normales.
El objetivo de este trabajo es implementar un algoritmo automatizado que permita clasificar las
imágenes de las células extraídas de los vasos sanguíneos de una forma general, en cuatro tipos de
células: linfocitos anormales asociados a linfomas, blastos asociados a leucemias, linfocitos
normales y linfocitos reactivos asociados a patologías infecciosas benignas. Para ello se utilizan
herramientas de análisis profundo de redes neuronales convolucionales.
Se preprocesa el conjunto de datos proporcionado por los profesionales del Laboratorio Core del
Hospital Clínic de Barcelona e investigadores del grupo CoDAlab. Se trata de imágenes digitales de
sangre periférica, y se utilizan para entrenar algoritmos con diferentes técnicas: entrenamiento de
una red neuronal convolucional desde cero, extracción de características con modelos
preentrenados y ajuste fino (Fine Tuning) de modelos preentrenados con transferencia de
aprendizaje.
Después de los diferentes experimentos, se consigue un algoritmo con efectividad de clasificación
de células de un 96,25% con el modelo Xception, por lo que se puede concluir, que el uso de redes
neuronales convolucionales para clasificación de células es satisfactorio.
TitulacióGRAU EN ENGINYERIA BIOMÈDICA (Pla 2009)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Villarraso_Jiménez_Rebeca _TFG_EEBE.pdf | 2,071Mb | Visualitza/Obre |