Investigación Científica Aplicada
Segmentacion Automática de Leucocitos en imagenes de Frotis Sanguíneo Mediante U-Net++ y Attention U-Net
El análisis morfológico de leucocitos es una herramienta para el diagnóstico de enfermedades hematológicas como leucemias, infecciones y trastornos autoinmunes. Sin embargo, la segmentación manual de estas células en imágenes de frotis sanguíneo es un proceso lento, subjetivo y dependiente de la experiencia del especialista. Los avances en deep learning han permitido automatizar esta tarea mediante redes neuronales convolucionales. En este trabajo se comparan dos arquitecturas utilizadas para segmentación biomédica: U-Net++ y Attention U-Net, con el objetivo de determinar cuál ofrece un mejor desempeño en la segmentación automática de leucocitos.
Descripcion completa
El análisis morfológico de leucocitos es una herramienta para el diagnóstico de enfermedades hematológicas como leucemias, infecciones y trastornos autoinmunes. Sin embargo, la segmentación manual de estas células en imágenes de frotis sanguíneo es un proceso lento, subjetivo y dependiente de la experiencia del especialista. Los avances en deep learning han permitido automatizar esta tarea mediante redes neuronales convolucionales. En este trabajo se comparan dos arquitecturas utilizadas para segmentación biomédica: U-Net++ y Attention U-Net, con el objetivo de determinar cuál ofrece un mejor desempeño en la segmentación automática de leucocitos.
Relacionados
Proyectos que podrian interesarte
Sistema de Detección y Clasificación de Tumores con Redes Neuronales basado en Imágenes de Gammagrama óseo
Comparación y Clasificación Automática de Lesiones Dermatoscopicas mediante ResNet50 y EfficientNetB3 con Transfer Learning: Implementación sobre el Dataset HAM10000
Desarrollo de Software para la Detección Automatizada y Cuantificación Vectorial del Valgo Dinámico de Rodilla
Síntesis y caracterización de nanopartículas de plata incorporadas en hidrogeles de almidón de makal para aplicaciones en curación de heridas.
