SlideShare una empresa de Scribd logo
1 de 10
Detección de células
en la sangre
De que trata?
• El objetivo es detectar en una imagen de pruebas clínicas de
sangre, donde se pone un reactivo y se observa si hay una
reacción o no.
• Se trata de reconocer los círculos en la imagen dependiendo
su tamaño y color, estos pueden ser etiquetados y contados
dependiendo sus características.
Para que sirve?
• Esto puede ayudar en la detección de anomalías en las células
que se encuentran en la sangre como malformaciones o
patologías en dichas células.
• Esto también realizar un conteo rápido y poder sacar un valor
promedio de la cantidad de células que debe haber en el
campo de visión.
Herramientas
• Python
• Librerías:
• PIL para el manejo de imágenes
• Numpy
• Algunas técnicas de manipulación de las imágenes (umbrales
calculado para cada imagen)
• Uso de morfología matemática
• Dilatación
• Erosión
Datos de entrada
Diseño
Morfología Matemática:
• Las operaciones básicas de la morfología matemática son:
dilatación se puede simplificar a decir que es agregar píxeles a
un objeto, hacerlo más grande, y luego erosión es hacerlo mas
chico. La erosión saca los “outlayers del objeto”.
• Luego la combinación de estas da origen a los operadores de
Apertura y Clausura. El primero consiste en aplicar una erosión
seguida de una dilatación aplicando la misma forma
estructurada, como resultado esta tiende a “abrir pequeños
huecos”. La clausura es el la aplicación de las operaciones
básicas en el sentido inverso, y resulta en “cerrar los huecos”.
Evaluación de desempeño
• La detección de las figuras es bueno pero cuando se tienen
demasiadas formas o células que es en este caso el programa
tarde un poco en localizar e identificar todas las formas
asiendo tardado el proceso.
• Otro punto importante es calcular para cada imagen un
umbral único para dicha imagen lo ya que si no las imágenes
salen con mas ruido en las formas y era mas difícil poder
identificarlas
Trabajo a futuro
• Implementar directamente en el microscopio para que el
sistema analice directamente los análisis clínicos e incorporar
un módulo que se encargue de formatear la información
obtenida por el sistema y que sea guardado en un documento
pdf.
Demo….

Más contenido relacionado

Similar a Presentación final

Simulacion para ISC - Unidad 1 Introducción a la Simulación
Simulacion para ISC - Unidad 1 Introducción a la SimulaciónSimulacion para ISC - Unidad 1 Introducción a la Simulación
Simulacion para ISC - Unidad 1 Introducción a la SimulaciónJosé Antonio Sandoval Acosta
 
Utp pd_iy_va_sap6 operaciones morfologicas i
 Utp pd_iy_va_sap6 operaciones morfologicas i Utp pd_iy_va_sap6 operaciones morfologicas i
Utp pd_iy_va_sap6 operaciones morfologicas ijcbp_peru
 
Modelamiento y Simulación de Sistemas
Modelamiento y Simulación de SistemasModelamiento y Simulación de Sistemas
Modelamiento y Simulación de SistemasAnthony Cueva
 
Utp pd_iy_va_sap6 operaciones morfologicas i
 Utp pd_iy_va_sap6 operaciones morfologicas i Utp pd_iy_va_sap6 operaciones morfologicas i
Utp pd_iy_va_sap6 operaciones morfologicas ijcbp_peru
 
Redes Neuronales(Examen)
Redes Neuronales(Examen)Redes Neuronales(Examen)
Redes Neuronales(Examen)diego28mauricio
 
Redes Neuronales(Examen)
Redes Neuronales(Examen)Redes Neuronales(Examen)
Redes Neuronales(Examen)diego28mauricio
 
Modelos y simulación
Modelos y simulación Modelos y simulación
Modelos y simulación strobee
 
Redes Neuronales Artificiales
Redes Neuronales ArtificialesRedes Neuronales Artificiales
Redes Neuronales ArtificialesJose
 
Diferencia entre simulacion y modelamiento de sistemas
Diferencia entre simulacion y modelamiento de sistemasDiferencia entre simulacion y modelamiento de sistemas
Diferencia entre simulacion y modelamiento de sistemasLeonel Parra Huaracha
 
CIITEC Fundamentos de Deep Learning.pptx
CIITEC  Fundamentos de Deep Learning.pptxCIITEC  Fundamentos de Deep Learning.pptx
CIITEC Fundamentos de Deep Learning.pptxicebeam7
 
Diferencia modelar y simular
Diferencia modelar y simularDiferencia modelar y simular
Diferencia modelar y simularGiank Perez Malca
 

Similar a Presentación final (20)

Presentaci%ef%bf%bd%ef%bf%b dn
Presentaci%ef%bf%bd%ef%bf%b dnPresentaci%ef%bf%bd%ef%bf%b dn
Presentaci%ef%bf%bd%ef%bf%b dn
 
MODELACIÓN Y SIMULACIÓN.pptx
MODELACIÓN Y SIMULACIÓN.pptxMODELACIÓN Y SIMULACIÓN.pptx
MODELACIÓN Y SIMULACIÓN.pptx
 
Simulacion-unidad 1
Simulacion-unidad 1Simulacion-unidad 1
Simulacion-unidad 1
 
Simulacion para ISC - Unidad 1 Introducción a la Simulación
Simulacion para ISC - Unidad 1 Introducción a la SimulaciónSimulacion para ISC - Unidad 1 Introducción a la Simulación
Simulacion para ISC - Unidad 1 Introducción a la Simulación
 
REDES NEURONALES.pptx
REDES NEURONALES.pptxREDES NEURONALES.pptx
REDES NEURONALES.pptx
 
Utp pd_iy_va_sap6 operaciones morfologicas i
 Utp pd_iy_va_sap6 operaciones morfologicas i Utp pd_iy_va_sap6 operaciones morfologicas i
Utp pd_iy_va_sap6 operaciones morfologicas i
 
Proyecto. vision artificial
Proyecto. vision artificialProyecto. vision artificial
Proyecto. vision artificial
 
Modelamiento y Simulación de Sistemas
Modelamiento y Simulación de SistemasModelamiento y Simulación de Sistemas
Modelamiento y Simulación de Sistemas
 
SIMULACIÓN DE SISTEMAS
SIMULACIÓN DE SISTEMASSIMULACIÓN DE SISTEMAS
SIMULACIÓN DE SISTEMAS
 
Utp pd_iy_va_sap6 operaciones morfologicas i
 Utp pd_iy_va_sap6 operaciones morfologicas i Utp pd_iy_va_sap6 operaciones morfologicas i
Utp pd_iy_va_sap6 operaciones morfologicas i
 
Redes Neuronales(Examen)
Redes Neuronales(Examen)Redes Neuronales(Examen)
Redes Neuronales(Examen)
 
Redes Neuronales(Examen)
Redes Neuronales(Examen)Redes Neuronales(Examen)
Redes Neuronales(Examen)
 
Modelos y simulación
Modelos y simulación Modelos y simulación
Modelos y simulación
 
Redes Neuronales Artificiales
Redes Neuronales ArtificialesRedes Neuronales Artificiales
Redes Neuronales Artificiales
 
Diferencia entre simulacion y modelamiento de sistemas
Diferencia entre simulacion y modelamiento de sistemasDiferencia entre simulacion y modelamiento de sistemas
Diferencia entre simulacion y modelamiento de sistemas
 
CIITEC Fundamentos de Deep Learning.pptx
CIITEC  Fundamentos de Deep Learning.pptxCIITEC  Fundamentos de Deep Learning.pptx
CIITEC Fundamentos de Deep Learning.pptx
 
Parte1
Parte1Parte1
Parte1
 
Diferencia modelar y simular
Diferencia modelar y simularDiferencia modelar y simular
Diferencia modelar y simular
 
Inteligencia Artificial.pdf
Inteligencia Artificial.pdfInteligencia Artificial.pdf
Inteligencia Artificial.pdf
 
Súper computadoras
Súper computadorasSúper computadoras
Súper computadoras
 

Presentación final

  • 2. De que trata? • El objetivo es detectar en una imagen de pruebas clínicas de sangre, donde se pone un reactivo y se observa si hay una reacción o no. • Se trata de reconocer los círculos en la imagen dependiendo su tamaño y color, estos pueden ser etiquetados y contados dependiendo sus características.
  • 3. Para que sirve? • Esto puede ayudar en la detección de anomalías en las células que se encuentran en la sangre como malformaciones o patologías en dichas células. • Esto también realizar un conteo rápido y poder sacar un valor promedio de la cantidad de células que debe haber en el campo de visión.
  • 4. Herramientas • Python • Librerías: • PIL para el manejo de imágenes • Numpy • Algunas técnicas de manipulación de las imágenes (umbrales calculado para cada imagen) • Uso de morfología matemática • Dilatación • Erosión
  • 7. Morfología Matemática: • Las operaciones básicas de la morfología matemática son: dilatación se puede simplificar a decir que es agregar píxeles a un objeto, hacerlo más grande, y luego erosión es hacerlo mas chico. La erosión saca los “outlayers del objeto”. • Luego la combinación de estas da origen a los operadores de Apertura y Clausura. El primero consiste en aplicar una erosión seguida de una dilatación aplicando la misma forma estructurada, como resultado esta tiende a “abrir pequeños huecos”. La clausura es el la aplicación de las operaciones básicas en el sentido inverso, y resulta en “cerrar los huecos”.
  • 8. Evaluación de desempeño • La detección de las figuras es bueno pero cuando se tienen demasiadas formas o células que es en este caso el programa tarde un poco en localizar e identificar todas las formas asiendo tardado el proceso. • Otro punto importante es calcular para cada imagen un umbral único para dicha imagen lo ya que si no las imágenes salen con mas ruido en las formas y era mas difícil poder identificarlas
  • 9. Trabajo a futuro • Implementar directamente en el microscopio para que el sistema analice directamente los análisis clínicos e incorporar un módulo que se encargue de formatear la información obtenida por el sistema y que sea guardado en un documento pdf.