Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
Propia
- Autores:
-
Perafan Muñoz, Valentina
Valencia Ruiz, Jeniffer Melissa
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2025
- Institución:
- Universidad Antonio Nariño
- Repositorio:
- Repositorio UAN
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uan.edu.co:123456789/12385
- Acceso en línea:
- https://repositorio.uan.edu.co/handle/123456789/12385
- Palabra clave:
- Microscopio
Fotogramas de video
Métricas de regresión
Python
Deep Learning
tracking, Deep SORT
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
UAntonioN2_7700ef2ba0dfd5efc75948d1e3db5079 |
|---|---|
| oai_identifier_str |
oai:repositorio.uan.edu.co:123456789/12385 |
| network_acronym_str |
UAntonioN2 |
| network_name_str |
Repositorio UAN |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional |
| title |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional |
| spellingShingle |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional Microscopio Fotogramas de video Métricas de regresión Python Deep Learning tracking, Deep SORT |
| title_short |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional |
| title_full |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional |
| title_fullStr |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional |
| title_full_unstemmed |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional |
| title_sort |
Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional |
| dc.creator.fl_str_mv |
Perafan Muñoz, Valentina Valencia Ruiz, Jeniffer Melissa |
| dc.contributor.advisor.none.fl_str_mv |
Villamarín Muñoz, Julián Antonio |
| dc.contributor.author.none.fl_str_mv |
Perafan Muñoz, Valentina Valencia Ruiz, Jeniffer Melissa |
| dc.subject.none.fl_str_mv |
Microscopio Fotogramas de video Métricas de regresión |
| topic |
Microscopio Fotogramas de video Métricas de regresión Python Deep Learning tracking, Deep SORT |
| dc.subject.keyword.none.fl_str_mv |
Python Deep Learning tracking, Deep SORT |
| description |
Propia |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-02-17T22:15:30Z |
| dc.date.available.none.fl_str_mv |
2025-02-17T22:15:30Z |
| dc.date.issued.none.fl_str_mv |
2025-02-17 |
| dc.type.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.document.none.fl_str_mv |
Estudio correlacional |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/PIC |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| format |
http://purl.org/coar/resource_type/c_46ec |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.uan.edu.co/handle/123456789/12385 |
| url |
https://repositorio.uan.edu.co/handle/123456789/12385 |
| dc.language.iso.fl_str_mv |
spa |
| language |
spa |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.format.medium.none.fl_str_mv |
pdf |
| dc.publisher.none.fl_str_mv |
Universidad Antonio Nariño |
| dc.publisher.program.none.fl_str_mv |
Ingeniería Biomédica |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería Mecánica, Electrónica y Biomédica |
| dc.publisher.campus.none.fl_str_mv |
Popayán - Alto Cauca |
| publisher.none.fl_str_mv |
Universidad Antonio Nariño |
| dc.source.none.fl_str_mv |
instname:Universidad Antonio Nariño |
| instname_str |
Universidad Antonio Nariño |
| institution |
Universidad Antonio Nariño |
| dc.source.bibliographicCitation.none.fl_str_mv |
Aguero, G. (2013). Evaluación de las Características Seminales de Sementales Bovinos mediante el Analizador Seminal Computarizado (CASA). In Universidad Central de Venezuela Cmder Portable console emulator for Windows. (n.d.). Retrieved November 16, 2024, from https://cmder.app/ Daniel, R.-M., & Edgar, R.-G. (2017). Objective assessment of bull sperm motility parameters using computer vision algorithms. African Journal of Biotechnology, 16(37), 1871–1881. https://doi.org/10.5897/ajb2017.16122 Dra. Marita Espejo Catena, Marta Barranquero Gómez, Silvia Azaña Gutiérrez, & Zaira Salvador. (2024, July 3). ¿Cómo es el espermatozoide? – Formación, partes y función. Edwin Adrián Tenén Quizhpi, & Erika Patricia Alvarado Andrade. (2023). Clasificador de células sanguíneas usando procesamiento de imágenes. http://dspace.ups.edu.ec/handle/123456789/26428 F. Buchelly Imbachí, L. Zalazar, J. I. Pastore, M. B. Greco, M. Iniesta-Cuerda, J. J. Garde, A. J. Soler, V. Ballarin, & A. Cesari. (2024). Evaluación objetiva de la motilidad de los espermatozoides de carneros y machos mediante el uso de un nuevo software de seguimiento de espermatozoides. 156 Gonzalez, R. C., & Woods, R. E. (2007). Digital Image Processing (3rd Edition). In PrenticeHall, Inc. Upper Saddle River, NJ, USA ©2006. Javier Pascual Vidal Dirección, F., Novo Buján, J., & Rouco Maseda, J. (n.d.). Detección y seguimiento de jugadores en escenas deportivas usando deep learning. Retrieved November 3, 2024, from https://pypi.org/project/labelImg/ Londoño, G. G., Javier, F., Uribe, H., Vélez Álvarez, C., Ceballos Márquez, A., Rubén, J., & Moreno, S.-O. (n.d.). Efecto de las gotas citoplásmicas sobre la capacidad fecundante del espermatozoide en el cerdo. Mundo Microscopio. (2021). El microscopio de contraste de fases. https://www.mundomicroscopio.com/microscopio-de-contraste-de-fases/ Okumuş, F., Fatih Kocamaz, A., & Özgür, M. E. (2021). Using polynomial modeling for calculation of quality parameters in computer assisted sperm analysis. Journal of Computer Science, 6(3). Rouhiainen, L. (2018). Inteligencia artificial : 101 cosas que debes saber hoy sobre nuestro futuro. Alienta. Sistema CASA Sperm Class Analyzer®. (n.d.). Suárez Ricardo, P. M. (n.d.). Modelo computacional para la identificación de células espermáticas mediante el análisis automático de micrografías digitales. Retrieved May 30, 2024, from https://repositorio.upse.edu.ec/bitstream/46000/11169/1/UPSE-TET-2024- 0004.pdf |
| bitstream.url.fl_str_mv |
https://repositorio.uan.edu.co/bitstreams/7651b44d-97dd-46c6-b6ef-97053f3bb761/download https://repositorio.uan.edu.co/bitstreams/d560a0a3-bf0e-4e14-8b81-778548681eff/download https://repositorio.uan.edu.co/bitstreams/e342c5e4-9fae-4324-990c-b54b3754931a/download https://repositorio.uan.edu.co/bitstreams/f4a7abf6-2410-425f-9a53-fb344d80ee16/download |
| bitstream.checksum.fl_str_mv |
09907e93e0241b87d6fb67cb2c5d566c c4b07f27187d20d13ef22dd021476f4b f0114075eea87352d13938c7c8fde491 1ed19622ed6e31f2f4604784c61f3863 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UAN |
| repository.mail.fl_str_mv |
alertas.repositorio@uan.edu.co |
| _version_ |
1851059442179637248 |
| spelling |
Villamarín Muñoz, Julián AntonioPerafan Muñoz, ValentinaValencia Ruiz, Jeniffer Melissa2025-02-17T22:15:30Z2025-02-17T22:15:30Z2025-02-17https://repositorio.uan.edu.co/handle/123456789/12385PropiaSperm analysis in cattle is crucial to optimize reproductive efficiency in cattle breeding. However, it faces significant challenges in its analysis due to the variability of techniques, laboratory equipment and subjectivity in observations. To solve this problem, an algorithm was developed in Python based on Deep Learning techniques, using the YOLO11 neural network for the detection of bovine spermatozoa and the Deep SORT tracking method to follow them along the video frames. The videos were captured in collaboration with the biotechnology laboratory of the Antonio Nariño University in differential interference contrast microscopy and processed by morphological operations to highlight cell borders, finally, Finally, sperm velocities VAP, VCL and VSL were estimated, which were evaluated using regression metrics for intelligent models in MATLAB. R-squared or 2 values of 0.86 were obtained for VSL, considering it a good indicator, 0.91 for VAP, which ratifies the high precision, and 0.76 for VCL. The use of intelligent computational techniques in this algorithm represents a significant contribution to sperm motility analysis, reducing the subjectivity inherent in traditional methods and strengthening the study of dilute ejaculates to identify the contribution of cattle in cattle reproduction. Preliminary results are promising and suggest that this tool could be adapted for application in other species. However, further research is needed to validate and optimize its use in broader contexts.El análisis espermático en bovinos es crucial para optimizar la eficiencia reproductiva en la ganadería. No obstante, enfrenta desafíos significativos en su análisis debido a la variabilidad de técnicas, equipamiento en el laboratorio y la subjetividad en las observaciones. Para solventar este problema, se desarrolló un algoritmo con técnicas de Deep Learning en Python, utilizando la red neuronal YOLO11 para la detección de espermatozoides de bovino y el método de tracking Deep SORT para su seguimiento a lo largo de los fotogramas de video. Los videos fueron capturados en colaboración con el laboratorio de biotecnología de la Universidad Antonio Nariño en el microscopio de contraste de interferencia diferencial y procesados mediante operaciones morfológicas para resaltar los bordes de las células, por último, se estimaron las velocidades espermáticas VAP, VCL y VSL, evaluadas mediante métricas de regresión tomando el valor real y experimental que es el generado por el algoritmo. Los análisis mostraron desviaciones relativas de 9.46%, 10.08% y 4.26% para la VCL, lo que indica alta precisión; y de 4.29%, 7.86% y 10.51% para la VAP, reforzando la confiabilidad del modelo. Además, los valores de 2 obtenidos fueron 0.86 para la VSL, considerándolo un buen indicador; 0.91 para la VAP, que confirma su alta precisión; y 0.76 para la VCL. El uso de técnicas computacionales inteligentes en este algoritmo representa una contribución significativa al análisis de movilidad espermática, reduciendo la subjetividad inherente a los métodos tradicionales y fortaleciendo el estudio de eyaculados diluidos para identificar el aporte del vacuno en la reproducción ganadera. Los resultados preliminares son prometedores y sugieren que esta herramienta podría adaptarse para su aplicación en otras 2 especies. Sin embargo, es necesario realizar investigaciones adicionales para validar y optimizar su uso en contextos más amplios.Ingeniero(a) Biomédico(a)PregradoPresencialMonografíapdfUniversidad Antonio NariñoIngeniería BiomédicaFacultad de Ingeniería Mecánica, Electrónica y BiomédicaPopayán - Alto Caucainstname:Universidad Antonio NariñoAguero, G. (2013). Evaluación de las Características Seminales de Sementales Bovinos mediante el Analizador Seminal Computarizado (CASA). In Universidad Central de VenezuelaCmder Portable console emulator for Windows. (n.d.). Retrieved November 16, 2024, from https://cmder.app/Daniel, R.-M., & Edgar, R.-G. (2017). Objective assessment of bull sperm motility parameters using computer vision algorithms. African Journal of Biotechnology, 16(37), 1871–1881. https://doi.org/10.5897/ajb2017.16122Dra. Marita Espejo Catena, Marta Barranquero Gómez, Silvia Azaña Gutiérrez, & Zaira Salvador. (2024, July 3). ¿Cómo es el espermatozoide? – Formación, partes y función.Edwin Adrián Tenén Quizhpi, & Erika Patricia Alvarado Andrade. (2023). Clasificador de células sanguíneas usando procesamiento de imágenes. http://dspace.ups.edu.ec/handle/123456789/26428F. Buchelly Imbachí, L. Zalazar, J. I. Pastore, M. B. Greco, M. Iniesta-Cuerda, J. J. Garde, A. J. Soler, V. Ballarin, & A. Cesari. (2024). Evaluación objetiva de la motilidad de los espermatozoides de carneros y machos mediante el uso de un nuevo software de seguimiento de espermatozoides. 156Gonzalez, R. C., & Woods, R. E. (2007). Digital Image Processing (3rd Edition). In PrenticeHall, Inc. Upper Saddle River, NJ, USA ©2006.Javier Pascual Vidal Dirección, F., Novo Buján, J., & Rouco Maseda, J. (n.d.). Detección y seguimiento de jugadores en escenas deportivas usando deep learning. Retrieved November 3, 2024, from https://pypi.org/project/labelImg/Londoño, G. G., Javier, F., Uribe, H., Vélez Álvarez, C., Ceballos Márquez, A., Rubén, J., & Moreno, S.-O. (n.d.). Efecto de las gotas citoplásmicas sobre la capacidad fecundante del espermatozoide en el cerdo.Mundo Microscopio. (2021). El microscopio de contraste de fases. https://www.mundomicroscopio.com/microscopio-de-contraste-de-fases/ Okumuş, F., Fatih Kocamaz, A., & Özgür, M. E. (2021). Using polynomial modeling for calculation of quality parameters in computer assisted sperm analysis. Journal of Computer Science, 6(3).Rouhiainen, L. (2018). Inteligencia artificial : 101 cosas que debes saber hoy sobre nuestro futuro. Alienta. Sistema CASA Sperm Class Analyzer®. (n.d.). Suárez Ricardo, P. M. (n.d.). Modelo computacional para la identificación de células espermáticas mediante el análisis automático de micrografías digitales. Retrieved May 30, 2024, from https://repositorio.upse.edu.ec/bitstream/46000/11169/1/UPSE-TET-2024- 0004.pdfMicroscopioFotogramas de videoMétricas de regresiónPythonDeep Learningtracking, Deep SORTEstimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacionalTesis/Trabajo de grado - Monografía - PregradoEstudio correlacionalhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/PIChttp://purl.org/coar/version/c_b1a7d7d4d402bcceEspecializadainfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2spaORIGINAL2024_ValentinaPerafan2024_ValentinaPerafanapplication/pdf2816971https://repositorio.uan.edu.co/bitstreams/7651b44d-97dd-46c6-b6ef-97053f3bb761/download09907e93e0241b87d6fb67cb2c5d566cMD512024_ValentinaPerafan_Acta2024_ValentinaPerafan_Actaapplication/pdf159897https://repositorio.uan.edu.co/bitstreams/d560a0a3-bf0e-4e14-8b81-778548681eff/downloadc4b07f27187d20d13ef22dd021476f4bMD522024_JenifferValencia_Autorización12024_JenifferValencia_Autorización1application/pdf1452519https://repositorio.uan.edu.co/bitstreams/e342c5e4-9fae-4324-990c-b54b3754931a/downloadf0114075eea87352d13938c7c8fde491MD532024_ValentinaPerafan_Autorización22024_ValentinaPerafan_Autorización2application/pdf16453882https://repositorio.uan.edu.co/bitstreams/f4a7abf6-2410-425f-9a53-fb344d80ee16/download1ed19622ed6e31f2f4604784c61f3863MD54123456789/12385oai:repositorio.uan.edu.co:123456789/123852025-02-17 22:15:31.962open.accesshttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.co |