Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia

Autores
Beltracchi, Rodrigo Oscar; Rizzalli, Ayelen Analia
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Massa, José
Descripción
Los algoritmos de Deep Learning son cada vez mas utilizados para el procesamiento de imágenes ya que muestran un gran desempeño en la clasi ficacion y detección de objetos comparado a los algoritmos tradicionales. En el área de la medicina y biología molecular en donde se realizan experimentos de microscopia es necesario en algunos casos, realizar procesamientos sobre imágenes de alta resolución. En el caso particular de imágenes de fluorescencia, en donde las mismas contienen células, es de vital importancia la precisión en el conteo y clasi ficacion de cada una de ellas presentes en el experimento. Como cada imagen puede contener cientos de células, el conteo manual resulta en una tarea tediosa. Por esta razón existen soluciones semi-automáticas que ayudan en esta tarea, aunque en el caso de la detección de objetos de interés con morfología irregular, los algoritmos de estas soluciones no logran buena precisión. En el presente trabajo se pretende estudiar la viabilidad de una solución basada en algoritmos de Deep Learning para el conteo y detección de células en imágenes de fluorescencia de alta resolución.
Fil: Beltracchi, Rodrigo Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Rizzalli, Ayelen Analia. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Massa, José. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Procesamiento de imágenes
Medicina y biología molecular
Deep Learning
Algoritmos
Imágenes de fluorescencia
Detección de células
Ingeniería de sistemas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/2212

id RIDUNICEN_92b38ee0e70539aaf452cfdd2a4bb923
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/2212
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescenciaBeltracchi, Rodrigo OscarRizzalli, Ayelen AnaliaProcesamiento de imágenesMedicina y biología molecularDeep LearningAlgoritmosImágenes de fluorescenciaDetección de célulasIngeniería de sistemasLos algoritmos de Deep Learning son cada vez mas utilizados para el procesamiento de imágenes ya que muestran un gran desempeño en la clasi ficacion y detección de objetos comparado a los algoritmos tradicionales. En el área de la medicina y biología molecular en donde se realizan experimentos de microscopia es necesario en algunos casos, realizar procesamientos sobre imágenes de alta resolución. En el caso particular de imágenes de fluorescencia, en donde las mismas contienen células, es de vital importancia la precisión en el conteo y clasi ficacion de cada una de ellas presentes en el experimento. Como cada imagen puede contener cientos de células, el conteo manual resulta en una tarea tediosa. Por esta razón existen soluciones semi-automáticas que ayudan en esta tarea, aunque en el caso de la detección de objetos de interés con morfología irregular, los algoritmos de estas soluciones no logran buena precisión. En el presente trabajo se pretende estudiar la viabilidad de una solución basada en algoritmos de Deep Learning para el conteo y detección de células en imágenes de fluorescencia de alta resolución.Fil: Beltracchi, Rodrigo Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Rizzalli, Ayelen Analia. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Massa, José. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasMassa, José2018-07info:eu-repo/date/embargoEnd/2021-12-032019-12-03T13:56:18Z2019-12-03T13:56:18Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttps://www.ridaa.unicen.edu.ar/handle/123456789/2212spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-29T13:41:17Zoai:ridaa.unicen.edu.ar:123456789/2212instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 13:41:18.03RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
title Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
spellingShingle Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
Beltracchi, Rodrigo Oscar
Procesamiento de imágenes
Medicina y biología molecular
Deep Learning
Algoritmos
Imágenes de fluorescencia
Detección de células
Ingeniería de sistemas
title_short Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
title_full Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
title_fullStr Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
title_full_unstemmed Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
title_sort Entrenamiento de un sistema basado en Deep Learning aplicado al análisis de células en imágenes de fluorescencia
dc.creator.none.fl_str_mv Beltracchi, Rodrigo Oscar
Rizzalli, Ayelen Analia
author Beltracchi, Rodrigo Oscar
author_facet Beltracchi, Rodrigo Oscar
Rizzalli, Ayelen Analia
author_role author
author2 Rizzalli, Ayelen Analia
author2_role author
dc.contributor.none.fl_str_mv Massa, José
dc.subject.none.fl_str_mv Procesamiento de imágenes
Medicina y biología molecular
Deep Learning
Algoritmos
Imágenes de fluorescencia
Detección de células
Ingeniería de sistemas
topic Procesamiento de imágenes
Medicina y biología molecular
Deep Learning
Algoritmos
Imágenes de fluorescencia
Detección de células
Ingeniería de sistemas
dc.description.none.fl_txt_mv Los algoritmos de Deep Learning son cada vez mas utilizados para el procesamiento de imágenes ya que muestran un gran desempeño en la clasi ficacion y detección de objetos comparado a los algoritmos tradicionales. En el área de la medicina y biología molecular en donde se realizan experimentos de microscopia es necesario en algunos casos, realizar procesamientos sobre imágenes de alta resolución. En el caso particular de imágenes de fluorescencia, en donde las mismas contienen células, es de vital importancia la precisión en el conteo y clasi ficacion de cada una de ellas presentes en el experimento. Como cada imagen puede contener cientos de células, el conteo manual resulta en una tarea tediosa. Por esta razón existen soluciones semi-automáticas que ayudan en esta tarea, aunque en el caso de la detección de objetos de interés con morfología irregular, los algoritmos de estas soluciones no logran buena precisión. En el presente trabajo se pretende estudiar la viabilidad de una solución basada en algoritmos de Deep Learning para el conteo y detección de células en imágenes de fluorescencia de alta resolución.
Fil: Beltracchi, Rodrigo Oscar. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Rizzalli, Ayelen Analia. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Massa, José. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description Los algoritmos de Deep Learning son cada vez mas utilizados para el procesamiento de imágenes ya que muestran un gran desempeño en la clasi ficacion y detección de objetos comparado a los algoritmos tradicionales. En el área de la medicina y biología molecular en donde se realizan experimentos de microscopia es necesario en algunos casos, realizar procesamientos sobre imágenes de alta resolución. En el caso particular de imágenes de fluorescencia, en donde las mismas contienen células, es de vital importancia la precisión en el conteo y clasi ficacion de cada una de ellas presentes en el experimento. Como cada imagen puede contener cientos de células, el conteo manual resulta en una tarea tediosa. Por esta razón existen soluciones semi-automáticas que ayudan en esta tarea, aunque en el caso de la detección de objetos de interés con morfología irregular, los algoritmos de estas soluciones no logran buena precisión. En el presente trabajo se pretende estudiar la viabilidad de una solución basada en algoritmos de Deep Learning para el conteo y detección de células en imágenes de fluorescencia de alta resolución.
publishDate 2018
dc.date.none.fl_str_mv 2018-07
2019-12-03T13:56:18Z
2019-12-03T13:56:18Z
info:eu-repo/date/embargoEnd/2021-12-03
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://www.ridaa.unicen.edu.ar/handle/123456789/2212
url https://www.ridaa.unicen.edu.ar/handle/123456789/2212
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1844619025282236416
score 12.559606