Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/5972
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorNarváez Semanate, José Luis-
dc.coverage.spatialColombia (Popayán, Cauca )es_ES
dc.creatorMena Quintero, María Camila-
dc.date.accessioned2022-02-21T20:52:36Z-
dc.date.available2022-02-21T20:52:36Z-
dc.date.created2022-01-27-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/5972-
dc.description.abstractn hematology, the hemogram is one of the evaluative tests used with greater regularity in medical practice, since it allows to evaluate and quantify the different types of cells present in the blood. However, not all characteristics of blood cells can be detailed with this test, which is why a microscopic inspection of the peripheral blood smear is required. The manual exploration of the blood smear, allows to extract, among others, qualitative information about the blood cells, by means of a visual inspection with the help of the microscope; The inspection is a detailed and orderly process, which is carried out with the aim of looking for morphological changes that make it possible to establish differences between normality and abnormality. Since it is carried out manually, the results of this type of classification, based on qualitative parameters; they depend on the skill and experience of the evaluator, which can lead to mistakes, time and money. Taking into account the aforementioned, an erythrocyte classification method was implemented in Matlab, based on morphological descriptors (diameter, perimeter, area, solidity, circularity and concavity), from which a neural network was trained, from which a percentage of accuracy of 83.3% is obtained.es_ES
dc.description.tableofcontentsEn hematología, el hemograma es una de las pruebas valorativas empleadas con mayor regularidad en la praxis médica, ya que permite evaluar y cuantificar los diferentes tipos de células presentes en la sangre. Sin embargo, no todas las características de las células sanguíneas pueden detallarse con esta prueba, razón por la cual, se requiere realizar una inspección microscópica del extendido de sangre periférica. La exploración manual del frotis de sangre, permite extraer entre otros, información cualitativa acerca de las células sanguíneas, por medio de una inspección visual con ayuda del microscopio; la inspección es un proceso detallado y ordenado, que se realiza con el objetivo de buscar cambios morfológicos que permitan establecer diferencias entre normalidad y anormalidad. Dado que se realiza de manera manual, los resultados de este tipo de clasificación, basada en parámetros cualitativos; dependen de la habilidad y experiencia del evaluador, lo que puede implicar errores, gasto de tiempo y dinero. Teniendo en cuenta lo mencionado, se implementó en Matlab un método de clasificación eritrocitaria, basado en descriptores morfológicos (diámetro, perímetro, área, solidez, circularidad y concavidad), a partir de los cuales se entrenó una red neuronal, a partir de la cual se obtiene un porcentaje de exactitud del 83.3%.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.subjectMétodo de clasificaciónes_ES
dc.subjectred neuronales_ES
dc.subjectDeep Learninges_ES
dc.subjectclasificación morfológicaes_ES
dc.titleClasificación morfológica de eritrocitos en imágenes digitales de frotis de sangre periférica mediante deep learninges_ES
dc.typeTesis - Trabajo de grado - Monografia - Pregradoes_ES
dc.publisher.programIngeniería Biomédicaes_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordClassification methodes_ES
dc.subject.keyworderythrocyteses_ES
dc.subject.keywordmorphological classificationes_ES
dc.subject.keywordDeep Learninges_ES
dc.subject.keywordneural networkes_ES
dc.type.spaTrabajo de grado (Pregrado y/o Especialización)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitationAbdollahi, A., Saffar, H., & Saffar, H. (2014). Types and frequency of errors during different phases of testing at a clinical medical laboratory of a teaching hospital in Tehran, Iran. North American Journal of Medical Sciences, 6(5), 224–228. https://doi.org/10.4103/1947-2714.132941es_ES
dc.source.bibliographicCitationAcharya, V., & Kumar, P. (2017). Identification and red blood cell classification using computer aided system to diagnose blood disorders. 2017 International Conference on Advances in Computing, Communications and Informatics, ICACCI 2017, 2017-Janua, 2098–2104. https://doi.org/10.1109/ICACCI.2017.8126155es_ES
dc.source.bibliographicCitationAdewoyin, A. S., & Nwogoh, B. (2014). Peripheral blood film: A review. In Annals of Ibadan postgraduate medicine (Vol. 12, Issue 2, pp. 71–79). http://www.ncbi.nlm.nih.gov/pubmed/25960697%0Ahttp://www.pubmedcentral.nih.gov/articlerender.f cgi?artid=PMC4415389es_ES
dc.source.bibliographicCitationAdollah, R., Mashor, M. Y., Nasir, N. F. M., Rosline, H., Mahsin, H., & Adilah, H. (2008). Blood cell image segmentation : A review (pp. 141–144).es_ES
dc.source.bibliographicCitationAlbertini, M. C., Teodori, L., Piatti, E., Piacentini, M. P., Accorsi, A., & Rocchi, M. B. L. (2003). Automated analysis of morphometric parameters for accurate definition of erythrocyte cell shape. Cytometry Part A, 52(1), 12–18. https://doi.org/10.1002/cyto.a.10019es_ES
dc.source.bibliographicCitationAliyu, H. A., Sudirman, R., Abdul Razak, M. A., & Abd Wahab, M. A. (2018). Red blood cell classification: Deep learning architecture versus support vector machine. 2nd International Conference on BioSignal Analysis, Processing and Systems, ICBAPS 2018, February 2019, 142–147. https://doi.org/10.1109/ICBAPS.2018.8527398es_ES
dc.source.bibliographicCitationAlmezhghwi, K., & Serte, S. (2020). Improved classification of white blood cells with the generative adversarial network and Deep convolutional neural network. Computational Intelligence and Neuroscience, 2020. https://doi.org/10.1155/2020/6490479es_ES
dc.source.bibliographicCitationAlzate, M. (2016). rojos en frotis de sangre periférica Automatic classification of red cells in peripheral blood smears. 48(3), 311–319.es_ES
dc.source.bibliographicCitationArquitectura, E. Y., Introducci, T. I., 赫晓霞, Iv, T., Teatinas, L. A. S., Conclusiones, T. V. I. I., Contemporáneo, P. D. E. U. S. O., Evaluaci, T. V, Ai, F., Jakubiec, J. A., Weeks, D. P. C. C. L. E. Y. N. to K. in 20, Mu, A., Inan, T., Sierra Garriga, C., Library, P. Y., Hom, H., Kong, H., Castilla, N., Uzaimi, A., … Bain, B. J. (2016). Khan’s the physics of radiation therapy, 5th edition. Medisur, 15(1), 183–192. https://doi.org/10.4103/2153-3539.129442es_ES
dc.source.bibliographicCitationArul, P., Pushparaj, M., Pandian, K., Chennimalai, L., Rajendran, K., Selvaraj, E., & Masilamani, S. (2018). Prevalence and types of preanalytical error in hematology laboratory of a tertiary care hospital in South India. Journal of Laboratory Physicians, 10(02), 237–240. https://doi.org/10.4103/jlp.jlp_98_17 ASH. (1958). American Society of Hematology. https://www.hematology.org/educationes_ES
dc.description.degreenameIngeniero(a) Biomédico(a)es_ES
dc.description.degreelevelPregradoes_ES
dc.publisher.facultyFacultad de Ingeniería Mecánica, Electrónica y Biomédicaes_ES
dc.audienceGenerales_ES
dc.description.notesPresenciales_ES
dc.creator.cedula20561713428es_ES
dc.publisher.campusPopayán - Alto Caucaes_ES
dc.description.degreetypeMonografíaes_ES
Aparece en las colecciones: Ingeniería biomédica

Ficheros en este ítem:
Fichero Tamaño  
2021_MariaMena1.96 MBVisualizar/Abrir
2021_MariaMena_Acta
  Restricted Access
145.98 kBVisualizar/Abrir  Request a copy
2021_MariaMena_Autorización
  Restricted Access
1.91 MBVisualizar/Abrir  Request a copy


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons