| Journal: | Revista mexicana de ingeniería biomédica |
| Database: | PERIÓDICA |
| System number: | 000407545 |
| ISSN: | 0188-9532 |
| Authors: | Cuevas, Erik1 Osuna Enciso, Valentín1 Oliva, Diego1 Wario, Fernando1 Zaldivar, Daniel1 |
| Institutions: | 1Universidad de Guadalajara, Centro Universitario de Ciencias Exactas e Ingenierías, Guadalajara, Jalisco. México |
| Year: | 2010 |
| Season: | Dic |
| Volumen: | 31 |
| Number: | 2 |
| Pages: | 119-134 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | Los glóbulos blancos (GB) o leucocitos juegan un papel importante en el diagnóstico de distintas enfermedades. Aunque técnicas de procesamiento digital de imágenes han ayudado parcialmente al análisis de tales células, prevalecen distintas complicaciones en la detección de GB, debido a variaciones en forma, tamaño, así como iluminaciones no adecuadas inherentes a la preparación del frotis sanguíneo. Por otra parte, los sistemas inmunes artificiales (SIA), basados en la manera en que el sistema inmunológico natural optimiza sus funciones para la detección de antígenos, han sido aplicados con éxito en la solución de distintos problemas de optimización, produciendo resultados superiores comparados con las técnicas clásicas. El enfoque más usado de SIA es el algoritmo de selección clonal (ASC), el cual permite proliferar a aquellas soluciones (anticuerpos) que mejor resuelven a una determinada función de desempeño (antígeno). Este artículo presenta un algoritmo para la segmentación, detección y medición de leucocitos en imágenes de frotis sanguíneo. El algoritmo usa dos sistemas ASC, uno para segmentación y el otro para detección de leucocitos. El problema de detección es considerado en este trabajo como un problema de optimización entre el leucocito y la forma circular que mejor lo aproxime. El algoritmo utiliza la codificación de tres puntos de la imagen de bordes para modelar los leucocitos candidatos. Una función de costo evalúa si tales leucocitos candidatos están realmente en la imagen. Siguiendo los valores de tal función de costo, el grupo de leucocitos candidatos es modificado usando ASC hasta aproximarse a los leucocitos reales presentes en la imagen de bordes. Los resultados obtenidos en comparación a otros algoritmos usados para la misma tarea validan la eficiencia de esta propuesta en exactitud, velocidad y robustez |
| English abstract | White blood cells also known as leukocytes play a significant role in the diagnosis of different diseases. Digital image processing techniques have successfully contributed to analyze the cells, leading to more accurate and reliable systems for disease diagnosis. However, a high variability on cell shape, size, edge and localization complicates the data extraction process. Moreover, the contrast between cell boundaries and the image's background varies according to lighting conditions during the capturing process. On the other hand, Artificial Immune Systems (AIS) have been successfully applied to tackle numerous challenging optimization problems with remarkable performance in comparison to classical techniques. One of the most widely employed AIS approaches is the Clonal selection algorithm (CSA) which allows to proliferate candidate solutions (antibody) that better resolve a determinate objective function (antigen). This paper is thus focused on the segmentation, localization and measurement of leukocytes from other different components in blood smear images. The algorithm uses two different CSA systems, one for the segmentation phase and other for the leukocyte detection task. In the approach, the detection problem is considered to be similar to an optimization problem between the leukocyte and its best matched circle shape. On the other hand, Clonal selection algorithm (CSA) is one of the most widely employed AIS approaches. The algorithm uses the encoding of three points as candidate leukocytes over the edge image. An objective function evaluates if such candidate leukocytes are actually present in the edge image following the guidance of the objective function's values. A set of encoded candidate leukocytes are evolved using the CSA so that they can fit into the actual leucocytes shown by the edge map of the image. The obtained results in comparison with the state-of-the-art algorithms validate the efficiency |
| Disciplines: | Medicina, Ciencias de la computación |
| Keyword: | Diagnóstico, Hematología, Inmunología, Procesamiento de imágenes, Leucocitos, Sistemas inmunes artificiales, Algoritmo de selección clonal |
| Keyword: | Medicine, Computer science, Diagnosis, Hematology, Immunology, Images processing, Leukocytes, Artificial immune systems, Clonal selection algorithm |
| Full text: | Texto completo (Ver HTML) |
