Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2625| Design and Development of Tools for Detection, Localization and Segmentation of White Blood Cells from Hematological Images | |
| Roberto Carlos Araujo Parra | |
| Jorge Francisco Martínez Carballido | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| White Blood Cells Segmentation K-Means algorithm RGB Space Field Programmable Gate Array (FPGA) Nucleus Cytoplasm Hardware Parallelization | |
| Currently, there is a need to innovate and implement better tools that allow the establishment of diagnostic and clinical treatment criteria. An example of this is the continuous scientific contributions in the areas of cellular and tissue biology to recognize patterns and metabolic pathways that rely on various natural processes in the human body, such as inflammatory periods in blood tissue. While there are several methods for identifying and characterizing different cell lineages, the use of immunohistochemical techniques combined with morphological study by means of optical microscopy remains the standard for biomedical anomalies detection. In the case of lymphoid cells, size and shape can be related to their maturity and/or integrity during various biological processes. Although an expert may be able to morphologically identify, quantify, and estimate the cellular state of a sample, this task takes more time than desired, as well as being tedious and prone to human error. Furthermore, determining attributes such as nuclear size or area more accurately can be made easier with the use of specialized tools for processing images captured by microscopy. For this project, a solution was developed to process RGB images from blood tissue exposed to leukocyte staining acquired by a microscope with 100X objective for the detection, localization, and segmentation of the white blood cells’ nucleus and cytoplasm The algorithm is based on the employment of several filters, morphological operations, row and column pixel counting of binary images, and K-Means clustering. The nuclei segmentation and regions of interest detection methods were tested using public LISC dataset and private UDLAP. Results for Precision, Sensitivity, and Accuracy were [0.9800, 0.9800, 0.9600], [0.9432, 0.8127, 0.9982] respectively. Additionally, the developed WBC segmentation algorithm reached an average Dice Similarity Coefficient of 0.8924. All the development focuses on selecting operations that facilitate parallelization in digital circuitry using Verilog and FPGAs for its implementation. Results gave very little overhead for parallelization, reducing the execution time by increasing the description’s hardware resources. En la actualidad existe la necesidad de innovar e implementar mejores herramientas que permitan establecer criterios de diagnóstico y tratamiento clínico. Un ejemplo de ello, son las continuas contribuciones científicas en las áreas de la biología celular y tisular para reconocer patrones y rutas metabólicas que puedan explicar diversos procesos naturales del cuerpo humano como los periodos inflamatorios del tejido sanguíneo. Si bien pueden encontrarse diversas técnicas para la identificación y caracterización de los distintos linajes celulares, el empleo de técnicas inmunohistoquímicas en conjunto con el estudio morfológico ejecutado en microscopio, siguen siendo estándar para la detección de anomalías biomédicas. En el caso de células linfoides, el tamaño y forma pueden relacionarse con la madurez y/o integridad de estas durante los diversos procesos biológicos. Aunque es posible que un experto pueda identificar, cuantificar y estimar morfológicamente el estado celular de una muestra, esta tarea toma más tiempo del deseado; además de ser tediosa y propensa a errores humanos. Asimismo, la determinación con mayor exactitud de atributos como el tamaño o área del núcleo pueden ser de mayor facilidad con el uso de otras herramientas especializadas en el procesamiento de imágenes captadas por microscopio. Para este proyecto, se realizó una solución que recibe las imágenes en formato RGB de tejido sanguíneo con exposición a tinción leucocitaria adquiridas por microscopio con objetivo 100X para la detección, localización y segmentación de núcleo y citoplasma de células blancas. El algoritmo está basado en el empleo de diversos filtros, operaciones morfológicas, conteo en filas y columnas de pixeles de imágenes binarias, y agrupamiento por K- Means. Los métodos para la segmentación de núcleos y la detección de regiones de interés fueron probados usando el dataset público LISC y el dataset privado de UDLAP. Los resultados para precisión, sensibilidad y exactitud fueron de [0.9800, 0.9800, 0.9600], [0.9432, 0.8127, 0.9982] respectivamente. Adicionalmente, el algoritmo para la segmentación de células blancas alcanzó un coeficiente Dice de 0.8924. A lo largo del desarrollo se dio énfasis a seleccionar operaciones que faciliten la paralelización en circuitería digital utilizando Verilog y FPGAs para su implementación. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2024-09 | |
| Tesis de maestría | |
| Inglés | |
| Estudiantes Investigadores Público en general | |
| Araujo Parra, R. C., (2024), Design and Development of Tools for Detection, Localization and Segmentation of White Blood Cells from Hematological Images, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| ELECTRÓNICA | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Electrónica |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| ARAUJOPRC_ME.pdf | 2.76 MB | Adobe PDF | Visualizar/Abrir |