Clasificador automático de imágenes de muestras de sangre basado en redes neuronales profundas

• Autores: Gilbert Pla Martinez, Mirtha F. Irizar Mesa
• Localización: Revista Científica de Ingeniería Electrónica, Automática y Comunicaciones, ISSN-e 0258-5944, ISSN 1815-5928, Vol. 40, Nº. 1, 2019, págs. 18-30
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen

  • El tamizaje neonatal masivo es una prueba que se realiza a todos los recién nacidos para detectar y prevenir enfermedades congénitas, hereditarias y metabólicas que afectan el crecimiento y desarrollo normal del niño. Esta prueba consiste en realizar una pequeña punción en el talón del bebé para tomar unas pocas gotas de sangre y colocarlas en un papel filtro para ser analizadas en el laboratorio. Una de las etapas de este análisis es la evaluación de la calidad de las muestras basándose en elementos como la coloración de las muestras, el secado, la presencia de impurezas y la presencia de coágulos. Debido a que esta etapa requiere de elevada experiencia, agilidad y memoria visual de los especialistas, en ocasiones se llevan muestras al laboratorio que no brindan los mejores resultados por la baja calidad que presentan. Este trabajo presenta un estudio para desarrollar un clasificador automático basado en redes neuronales profundas que evalúe la calidad de las muestras de sangre analizadas. Este clasificador se basa en el reconocimiento de patrones asociados a los momentos de color y a las componentes de matiz, saturación y valor del brillo, extraídos de las imágenes de las muestras de sangre. Para esto se seleccionó una red neuronal profunda compuesta por dos autocodificadores profundos más un clasificador softmax, entrenada con ejemplos de imágenes de muestras de sangre, obteniéndose resultados satisfactorios en la validación del método con la clasificación correcta de las muestras sometidas a análisis.