Clasificación automática de cromosomas a partir de imágenes de cariotipado usando aprendizaje profundo

Este trabajo de investigación tiene como objetivo obtener una red neuro nal convolucional (CNN, por sus siglas en inglés) entrenada para la clasifica ción de cromosomas, en 24 clases distintas, utilizando imágenes segmentadas de una prueba de cariotipado sobre células humanas. Para la selección del...

Full description

Autores:: Pinto Ortegón, Luis Felipe

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2023

Institución:: Universidad Militar Nueva Granada

Repositorio:: Repositorio UMNG

Idioma:: spa

Description
Summary:	Este trabajo de investigación tiene como objetivo obtener una red neuro nal convolucional (CNN, por sus siglas en inglés) entrenada para la clasifica ción de cromosomas, en 24 clases distintas, utilizando imágenes segmentadas de una prueba de cariotipado sobre células humanas. Para la selección del modelo final, se evaluaron los métodos de Automated Machine Learning (AutoML), con Autokeras, y Transferencia de aprendizaje (TL), con Keras/TensorFlow. El dataset utilizado se consolidó a partir de datos privados y anónimos suministrados por un laboratorio médico, que inicialmente dispuso de más de 100,000 imágenes. Para obtener el conjunto de datos final, se realizó una selección y pre-procesamiento de imágenes con el fin de separar los cromosomas y utilizarlos como datos de entrenamiento para los modelos basados en redes neuronales convolucionales. Durante la evaluación de los modelos, se utilizó el F1 Score como métrica de desempeño. Los resultados arrojaron modelos con un desempeño superior a 0.9 en esta métrica. Se encontró que, en términos generales, al utilizar AutoML se alcanzaron mejores F1 Score y tiempos de inferencia que al usar TL, con un número significativamente menor de parámetros por modelo. En conclusión, los resultados de esta investigación pueden complementar el trabajo de los laboratorios clínicos al mejorar la eficiencia del diagnóstico genético y reducir la tasa de error humano en la clasificación de cromosomas. En este sentido, los resultados obtenidos pueden ser útiles como herramientas de apoyo en el diagnóstico y tratamiento de enfermedades genéticas.

Clasificación automática de cromosomas a partir de imágenes de cariotipado usando aprendizaje profundo

Publicaciones similares