Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12104/80021
Title: APLICACIÓN DE ALGORITMOS EVOLUTIVOS AL ANÁLISIS DE IMÁGENES MÉDICAS
Author: Díaz Cortés, Margarita Arimatea
Advisor/Thesis Advisor: Cuevas Jiménez, Erik Valdemar
Editors: CUCEI
Universidad de Guadalajara
Career: MAESTRIA EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION
Keywords: Imagenes De Celulas Sanguineas;Vision Por Computador;Algoritmo De Optimizacion Electromagnetica Emo;Optimizacion Evolucion Diferencial De;Imagen De Bordes
Issue Date: 31-Dec-1969
Publisher: Biblioteca Digital wdg.biblio
Universidad de Guadalajara
Abstract: El análisis de imágenes microscópicas de los leucocitos es una potente herramienta de diagnóstico en los campos médicos, que podría reducir los efectos del error humano y mejorar la exactitud del diagnóstico, el ahorro de mano de obra y tiempo. Sin embargo, un reto actual es detectar con precisión poblaciones de leucocitos debido a las características cambiantes que se pueden extraer a partir de imágenes de frotis sanguíneo. Por tanto, la detección automática de los glóbulos blancos (GB) sigue siendo un problema no resuelto en la detección de imágenes de células sanguíneas. Por otra parte, la detección de primitivas geométricas en las imágenes digitales se ha considerado como una tarea importante y compleja para la comunidad de visión por computador, que ha dedicado una enorme cantidad de investigación en la búsqueda de un detector óptimo de primitivas. Dado que las células blancas de la sangre pueden ser aproximadas por una forma circular/elipsoidal, algoritmos de detección de círculos y elipses pueden aplicarse para reconocer y marcar en realidad tales células. Este trabajo presenta dos algoritmos para la detección automática de los glóbulos blancos incrustados en imágenes complicadas y desordenadas de frotis sanguíneo, que considera todo el proceso como un problema de detección multi-círculo y multi- elipse. El enfoque inicial se basa en el algoritmo de Optimización Electromagnética (EMO), que es un método evolutivo para resolver problemas de optimización complejos, el segundo enfoque es basado en el algoritmo de optimización Evolución Diferencial (DE), el cual también ha probado ser un método sumamente eficiente para resolver problemas de optimización. Ambos algoritmos son fáciles de usar, mantienen una estructura simple y poseen propiedades aceptables de convergencia, así como de robustez. El detector genérico utiliza la codificación de los tres puntos en el caso de los círculos y de cinco puntos de borde en el caso de las elipses, como individuos que emulan candidatos en la imagen del borde del frotis. Una función objetivo evalúa si estos círculos o elipses candidatos se encuentran realmente presentes en la imagen de bordes. Guiado por los valores de esa función, el conjunto de candidatos codificados (individuos) se desarrolla utilizando ambos algoritmos según sea el caso, para que puedan encajar en las células blancas de la sangre presentes en la imagen. Los resultados experimentales de imágenes de células sanguíneas blancas con un rango variable de complejidad se incluyen, para validar la eficacia de la técnica propuesta en términos de precisión, velocidad y robustez.
URI: https://wdg.biblio.udg.mx
https://hdl.handle.net/20.500.12104/80021
Appears in Collections:CUCEI

Files in This Item:
File SizeFormat 
MCUCEI10068.pdf
Restricted Access
449.11 kBAdobe PDFView/Open    Request a copy


Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.