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
Detección de anemia en micrografía sanguínea por medio de análisis multimodal
Sistema de apoyo basado en Deep Learning para la segmentación de gliomas en imágenes de resonancia magnética
Attention U-Net con Monte Carlo Uncertainty-Aware Focal Loss para la Segmentación de Lesiones Cutáneas.
