Icono govco

Examinando por Materia "Patología digital"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Algoritmo de aprendizaje semi-supervisado para la clasificación automática de regiones en imágenes de histopatología como apoyo al diagnóstico de cáncer
    (Universidad de los Llanos, 2019) Cano Ramírez, Fabián Alberto; Cruz Roa, Angel Alfonso
    El análisis y detección de patologías en láminas de histopatología requiere el tiempo de médicos patólogos especializados, quienes analizan las muestras de tejido en el microscopio. El tiempo que transcurre desde la extracción de tejido del paciente hasta que se conocen los resultados puede prolongarse por varios días e incluso meses, retrasando así el inicio del tratamiento. Gracias a la incipiente patología digital, las muestras son escaneadas y transformadas en imágenes digitales, permitiendo agilizar el análisis y detección de patologías. La sustitución de las imágenes microscópicas por imágenes digitales supone un avance importante que permite que patólogos a distancia puedan analizar los casos, reduciendo el tiempo necesario para iniciar el tratamiento y atención oportuna de pacientes con cáncer. Al realizar el análisis y preprocesamiento de las imágenes de histopatología por métodos computacionales se pueden reducir los tiempos de diagnóstico que requieren los patólogos para analizar los resultados, permitiendo a su vez priorizar el orden de las muestras más críticas o de difícil diagnóstico. En la actualidad existe un déficit de médicos patólogos, y los pocos que hay se encuentran concentrados en las ciudades principales del país, además, debido al limitado tiempo con el que cuentan y al incremento paulatino de las bases de datos de láminas digitalizadas de histopatología, es difícil la anotación manual y diagnóstico de todas las láminas por parte de los expertos. Por otra parte, los pacientes pueden requerir una segunda opinión acerca de un resultado, por lo que sería necesario esperar nuevamente por el análisis del médico patólogo, retrasando aún más en inicio del tratamiento. Debido a esto, es necesaria la incursión de métodos de aprendizaje computacional que puedan aprender a clasificar automáticamente regiones en grandes láminas de histopatología aprovechando los pocos ejemplos anotados por médicos patólogos. En este proyecto se implementa un algoritmo de aprendizaje de una sola vez que permite clasificar automáticamente regiones de tejido en grandes láminas digitalizadas de histopatología de cáncer de acuerdo con sus características visuales, con pocas o ninguna anotación por parte de expertos, así como la exploración de métodos de aprendizaje automático del estado del arte que incluyen estrategias de aprendizaje por transferencia como otra estrategia para aprovechar modelos entrenados previamente con más datos para escenarios con pocos datos anotados por los expertos.
  • Miniatura
    PublicaciónAcceso abierto
    Plataforma web de telepatología para la navegación eficiente de láminas virtuales de histopatología como apoyo a la enseñanza, investigación y trabajo colaborativo en cáncer
    (Universidad de los Llanos, 2018) Diaz Mejia, Darwin Sebastian; Cruz Roa, Angel Alfonso; Corredor Prada, Germán; Romero Castro, Eduardo
    En este documento se presenta el desarrollo de una plataforma Web de telepatología para la navegación eficiente de láminas virtuales de histopatología como apoyo a la enseñanza, investigación y trabajo colaborativo en cáncer. Este trabajo tiene como base la primera versión del microscopio virtual Web desarrollado por el grupo CIM@LAB de la Universidad Nacional de Colombia. A partir de esa versión, se realizó un análisis de los diferentes módulos del proyecto entregado, se estudiaron las tecnologías utilizadas y se identificó la arquitectura general del sistema. La plataforma Web de telepatología, presenta un conjunto de herramientas adicionales para el manejo de las anotaciones sobre las láminas virtuales de histopatología cuyo objetivo es el apoyo a la enseñanza, investigación y trabajo colaborativo en el área del cáncer. Entre el conjunto de herramientas podemos hallar la gestión de anotaciones desde una base de datos, implementación de perfiles y roles para el control de los usuarios. Además presenta mejoras en el módulo del decodificador de imágenes del formato JPEG2000 (JasPer), esta mejora permite dar un mayor soporte para el acceso a la navegación de las láminas virtuales de histopatología por múltiples usuarios. Asimismo se implementaron y se ejecutaron dos pruebas para medir el desempeño de la plataforma, la primera constó de navegaciones concurrentes simuladas y la segunda constó del manejo por parte de usuarios reales.