Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales

En los últimos años, el avance respecto a la adquisición de grandes cantidades de imágenes de microscopía ha hecho posible que el análisis digital de imágenes desarrolle herramientas capaces de obtener información automática, disminuyendo los tiempos y errores en técnicas manuales. Sin embargo, e...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Pérez, Gabriel, Maroni, David, Russo, Claudia, Palumbo, María Laura
Formato: Artículo publishedVersion
Lenguaje:Español
Publicado: Universidad Nacional de Asunción 2023
Materias:
Etiquetado semiautomático
Superpixel
Microscopía
Acceso en línea:http://repositorio.unnoba.edu.ar/xmlui/handle/23601/682
Aporte de:
Re DI Repositorio Digital UNNOBA de Universidad Nacional del Noroeste de la Provincia de Buenos Aires
id I103-R405-23601-682
record_format dspace
spelling I103-R405-23601-6822024-04-12T19:55:48Z Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales Pérez, Gabriel Maroni, David Russo, Claudia Palumbo, María Laura Etiquetado semiautomático Superpixel Microscopía En los últimos años, el avance respecto a la adquisición de grandes cantidades de imágenes de microscopía ha hecho posible que el análisis digital de imágenes desarrolle herramientas capaces de obtener información automática, disminuyendo los tiempos y errores en técnicas manuales. Sin embargo, el etiquetado manual de objetos en imágenes sigue siendo una tarea que consume demasiado tiempo, especialmente en campos como la genética, donde se requiere la supervisión de expertos. Por otra parte, en el hipocampo, área cerebral relacionada con el aprendizaje y memoria, existen Células Progenitoras Neurales (NPC). Estas células proliferan y luego se diferencian en tres tipos celulares en el sistema nervioso central. El objetivo del presente trabajo fue generar etiquetas de núcleos celulares en imágenes de microscopía de fluorescencia de manera semiautomática. Para ello se utilizaron imágenes de NPC cultivadas in vitro provenientes de ratones adultos. Sobre ellas se aplicó un preprocesamiento seguido de una técnica de Superpixel refinada a partir de un proceso manual. Las técnicas empleadas fueron capaces de generar etiquetas para entrenar con datos diversos que abarquen diferentes condiciones de iluminación y contraste. El conjunto de datos final se compone de 22 imágenes preprocesadas y 22 sin preprocesar. Ambos conjuntos tienen 1773 núcleos etiquetados sumando un total de 3546 etiquetas por todo el dataset. Se pretende utilizar estos resultados para entrenar redes neuronales convolucionales para el análisis completo y automatizado del comportamiento de proliferación y diferenciación de NPC. Fil: Pérez, Gabriel. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Instituto de Investigación y Transferencia en Tecnología; Argentina. Fil: Maroni, David. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Instituto de Investigación y Transferencia en Tecnología; Argentina. Fil: Russo, Claudia. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Instituto de Investigación y Transferencia en Tecnología; Argentina. Fil: Palumbo, María Laura. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Instituto de Investigación y Transferencia en Tecnología; Argentina. Con referato 2023-12-21T14:14:59Z 2023-12-21T14:14:59Z 2023-07 info:eu-repo/semantics/article info:ar-repo/semantics/artículo info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/article info:ar-repo/semantics/artículo info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/article info:ar-repo/semantics/artículo info:eu-repo/semantics/publishedVersion Perez G.; Maroni, D; Russo, Claudia Palumbo, María Laura (1905). Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales (30 Jornadas de Jóvenes Investigadores - AUGM - Universidad Nacional de Asunción). ISBN: 978-99953-59-19-5. DOI: https://jji2023.una.py/wp-content/uploads/2023/10/COMPENDIO_Resumenes_JJI-AUGM-1.pdf 978-99953-59-19-5 http://repositorio.unnoba.edu.ar/xmlui/handle/23601/682 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ application/pdf application/pdf Universidad Nacional de Asunción 30 Jornadas de Jóvenes Investigadores - AUGM
institution Universidad Nacional del Noroeste de la Provincia de Buenos Aires
institution_str I-103
repository_str R-405
collection Re DI Repositorio Digital UNNOBA
language Español
topic Etiquetado semiautomático
Superpixel
Microscopía
spellingShingle Etiquetado semiautomático
Superpixel
Microscopía
Pérez, Gabriel
Maroni, David
Russo, Claudia
Palumbo, María Laura
Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales
topic_facet Etiquetado semiautomático
Superpixel
Microscopía
description En los últimos años, el avance respecto a la adquisición de grandes cantidades de imágenes de microscopía ha hecho posible que el análisis digital de imágenes desarrolle herramientas capaces de obtener información automática, disminuyendo los tiempos y errores en técnicas manuales. Sin embargo, el etiquetado manual de objetos en imágenes sigue siendo una tarea que consume demasiado tiempo, especialmente en campos como la genética, donde se requiere la supervisión de expertos. Por otra parte, en el hipocampo, área cerebral relacionada con el aprendizaje y memoria, existen Células Progenitoras Neurales (NPC). Estas células proliferan y luego se diferencian en tres tipos celulares en el sistema nervioso central. El objetivo del presente trabajo fue generar etiquetas de núcleos celulares en imágenes de microscopía de fluorescencia de manera semiautomática. Para ello se utilizaron imágenes de NPC cultivadas in vitro provenientes de ratones adultos. Sobre ellas se aplicó un preprocesamiento seguido de una técnica de Superpixel refinada a partir de un proceso manual. Las técnicas empleadas fueron capaces de generar etiquetas para entrenar con datos diversos que abarquen diferentes condiciones de iluminación y contraste. El conjunto de datos final se compone de 22 imágenes preprocesadas y 22 sin preprocesar. Ambos conjuntos tienen 1773 núcleos etiquetados sumando un total de 3546 etiquetas por todo el dataset. Se pretende utilizar estos resultados para entrenar redes neuronales convolucionales para el análisis completo y automatizado del comportamiento de proliferación y diferenciación de NPC.
format Artículo
Artículo
publishedVersion
Artículo
Artículo
publishedVersion
Artículo
Artículo
publishedVersion
author Pérez, Gabriel
Maroni, David
Russo, Claudia
Palumbo, María Laura
author_facet Pérez, Gabriel
Maroni, David
Russo, Claudia
Palumbo, María Laura
author_sort Pérez, Gabriel
title Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales
title_short Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales
title_full Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales
title_fullStr Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales
title_full_unstemmed Etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. Aplicación al análisis automático del comportamiento de células progenitoras neurales
title_sort etiquetado semiautomático de marcadores biológicos a partir de superpixel sobre imágenes de microscopía. aplicación al análisis automático del comportamiento de células progenitoras neurales
publisher Universidad Nacional de Asunción
publishDate 2023
url http://repositorio.unnoba.edu.ar/xmlui/handle/23601/682
work_keys_str_mv AT perezgabriel etiquetadosemiautomaticodemarcadoresbiologicosapartirdesuperpixelsobreimagenesdemicroscopiaaplicacionalanalisisautomaticodelcomportamientodecelulasprogenitorasneurales
AT maronidavid etiquetadosemiautomaticodemarcadoresbiologicosapartirdesuperpixelsobreimagenesdemicroscopiaaplicacionalanalisisautomaticodelcomportamientodecelulasprogenitorasneurales
AT russoclaudia etiquetadosemiautomaticodemarcadoresbiologicosapartirdesuperpixelsobreimagenesdemicroscopiaaplicacionalanalisisautomaticodelcomportamientodecelulasprogenitorasneurales
AT palumbomarialaura etiquetadosemiautomaticodemarcadoresbiologicosapartirdesuperpixelsobreimagenesdemicroscopiaaplicacionalanalisisautomaticodelcomportamientodecelulasprogenitorasneurales
_version_ 1850060867368910848

Ejemplares similares