Clasificación de células espermáticas de verraco utilizando procesamiento de imágenes digitales
- Autores: Lidia Sánchez González
- Directores de la Tesis: Enrique Alegre Gutiérrez (dir. tes.), Nicolai Petkov (dir. tes.)
- Lectura: En la Universidad de León ( España ) en 2007
- Idioma: español
- Títulos paralelos:
- Boar sperm cell classification using digital image processing
- Tribunal Calificador de la Tesis: Juan Manuel Sánchez Pérez (presid.), Ana Pilar González Marcos (secret.), Antoni Grau Saldes (voc.), Ramón Ángel Fernández Díaz (voc.), Luis Pastor Pérez (voc.)
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
En esta tesis se utilizan técnicas de procesamiento digital de imágenes para la descripción y clasificación automática de imágenes de espermatozoides de verraco, El análisis de imagen permite determinar el estado vital y acrosómico de una célula espermática sin emplear tinciones.
A partir de las imágenes adquiridas de las muestras de semen, se aplican distintos métodos para realizar la segmentación, en función de los aumentos que se han utilizado en el microscopio y de si las muestras están preparadas utilizando o no tinciones. Además, se realiza un procedimiento automático que etiqueta las imágenes segmentadas según su estado vital como vivo o muerto. Como la tarea de estimar el estado vital de una célula es compleja, se define un modelo de distribución de densidad intracelular para las células vivas y se miden las desviaciones de las distribuciones de densidad intracelular obtenidas para un conjunto de células vivas y muertas respecto al modelo. Así, se permite determinar un criterio de decisión para clasificar imágenes, no consideradas hasta ahora, como vivas y muertas en función de la desviación de sus distribuciones de densidad intracelular respecto al modelo, con un error del 20.40%. Además, se realizan otros dos procedimientos para estimar la fracción de células vivas de la muestra, utilizando la misma distribución modelo: uno iterativo que estima el criterio de decisión óptimo para que los errores de cada clase se igualen y otro que emplea el método de los mínimos cuadrados. El primer método estima una fracción tal que es ±8% la fracción real. El segundo logra obtener un error absoluto respecto a la fracción estimada por los veterinarios menor que 0.25 en el 89% de las muestras. En el último método propuesto, a partir de las imágenes normalizadas de espermatozoides, se emplea Learning Vector Quantization (LVQ) para definir un número determinado de prototipos que representen cada clase. En este caso, la tasa de e
