Document type
Doctoral thesisVersion
Published versionPublication date
All rights reserved
Please use this identifier to cite or link to this item: https://hdl.handle.net/2445/222436
Clasificación automática de malaria e inclusiones eritrocitarias anómalas en sangre periférica utilizando modelos de machine learning
Journal Title
Authors
Director/Tutor
Journal ISSN
Volume Title
Related resource
Abstract
[spa] Los especialistas de laboratorio juegan un papel esencial en el diagnóstico del paludismo mediante la identificación de características morfológicas cualitativas de los hematíes en la revisión del frotis de sangre periférica. Este análisis visual conlleva un consumo de tiempo, requiere un personal bien entrenado, y es sensible a la variabilidad entre observadores. .
El objetivo general de esta tesis doctoral es el reconocimiento automático de hematíes parasitados con malaria, así como su diferenciación no solo de hematíes normales sino también de hematíes con otros tipos de inclusiones, mediante herramientas de inteligencia artificial. La primera parte de este trabajo comienza con el desarrollo de un algoritmo de segmentación de hematíes a partir de imágenes de sangre periférica obtenidas con microscopio y el desarrollo de un modelo de reconocimiento automático basado en aprendizaje automático (machine learning) a partir de la extracción de descriptores cuantitativos de las imágenes segmentadas. En una segunda parte de esta tesis, el reconocimiento automático de la malaria se aborda a través de modelos basados en redes neuronales convolucionales. En último lugar, se desarrolla un modelo para la identificación de malaria basado en redes neuronales convolucionales, pero en este caso, mediante el uso de imágenes de sangre periférica obtenidas con el analizador CellaVision.
En comparación con el actual estado del arte, esta tesis doctoral supone un avance significativo en la implementación de modelos de reconocimiento automático de malaria en un entorno clínico realista. Esto es posible principalmente al haber incluido en los modelos de clasificación otras inclusiones eritrocitarias que tienen gran similitud morfológica con los parásitos de la malaria. Con esta estrategia ha podido evitarse el alto número de falsos positivos en la detección de malaria observado en modelos previos de reconocimiento automático.
Subject (English)
Citation
Collections
Citation
MOLINA BORRÁS, Angel. Clasificación automática de malaria e inclusiones eritrocitarias anómalas en sangre periférica utilizando modelos de machine learning. [consulted: 11 of August of 2026]. Available at: https://hdl.handle.net/2445/222436