Imagen del encabezado de la página

IV Congreso Internacional de Ingeniería Informática y Sistemas de Información

DETECCIÓN DE IMPUREZAS EN ANÁLISIS DE MUESTRAS DE SANGRE MEDIANTE REDES NEURONALES PROFUNDAS

Gilbert Pla Martinez

Resumen

En la medicina actual, el procesamiento digital de imágenes posee una relevancia enorme en la detección de enfermedades y constituye uno de los elementos tecnológicos asistenciales más usados para estos fines. El análisis de imágenes de muestras de sangre posee una vital importancia para la detección y el diagnóstico de enfermedades patológicas, congénitas y hereditarias que pueden mostrar los pacientes. Sin embargo, debido a la calidad de las muestras de sangre muchas veces el diagnóstico o resultado de los análisis es erróneo debido a que las muestras de sangre pueden contener coágulos, anillos de sueros o presentar desgastes por una indebida manipulación o almacenamiento. En este trabajo se realiza un estudio para determinar un sistema de clasificación basado en aprendizaje profundo que permita evaluar la calidad de las muestras analizadas y descarte aquellas que posean alguna impureza que no permita realizar un buen diagnóstico por los especialistas. El sistema de clasificación se basa en el reconocimiento de patrones asociados a los momentos de color de las imágenes de las muestras de sangre. El sistema está compuesto por dos autocodificadores profundos y un clasificador softmax a la salida, el cual es entrenado con ejemplos de imágenes de muestras de sangre, lográndose resultados satisfactorios en la validación del método con la clasificación correcta de las muestras sometidas a análisis.


Palabras claves

aprendizaje profundo, momentos de color, autocodificadores profundos, reconocimiento de patrones.


Texto completo: Sin título