RINFI se desarrolla en conjunto entre INTEMA y la Biblioteca de la Facultad de Ingeniería de la Universidad Nacional de Mar del Plata. 5 Esta tesis forma parte de los proyectos de investigación “Diseño de operadores para la segmentación y clasificación de imágenes biomédicas” y “Segmentación, análisis y detección de objetos y texturas en imágenes y secuencias de video” desarrollados en el Laboratorio de Procesamiento Digital de Imágenes del Instituto. de Investigación Científica y Tecnológica en Electrónica (ICyTE), dependiente de la Facultad de Ingeniería de la Universidad Nacional de Mar del Plata y del CONICET.
Introducción
Presentación del problema
En segundo lugar, se requiere un método de detección o localización de los objetos según el modelo de forma y la calidad de las imágenes, que permita obtener medidas representativas de los mismos. Finalmente, y uno de los aspectos más importantes a considerar, es necesario disponer de un método de asociación entre los estados de los objetos en los momentos anteriores y las mediciones actuales, para poder obtener una correcta actualización de los estados a partir del feed.
Estructura de la tesis
10 degradación de aleaciones de magnesio en una reacción química registrando la emisión de burbujas de gas que emergen de su superficie. Finalmente, en el apartado de Conclusiones se resumen de forma general las aportaciones de esta tesis, su impacto en las aplicaciones desarrolladas y en el apartado de Trabajos futuros se hace una proyección de aquellos aspectos en los que se puede avanzar a partir del conocimiento creado. .
Estado del arte
Detección de objetos
Kirubarajan et al. 1997) detectan células oculares y cerebrales en secuencias de imágenes utilizando el método Split and Merge. Este método se utiliza a menudo como paso preliminar para calcular el flujo óptico (Lu et al. 2008).
Modelado y caracterización de los objetos
La representación de la apariencia de los objetos en los sistemas de seguimiento requiere dos elementos: la representación visual de los objetos y su modelado estadístico (Li et al. 2013). Las plantillas pueden contener los valores de píxeles sin procesar de toda la ventana (Lipton et al.
Métodos de seguimiento
La apariencia de los objetos permite localizarlos fácilmente, generalmente en seguimiento de kernel (Cai et al. La variabilidad en la dirección del movimiento genera alta incertidumbre en la estimación de estados (Arasteh et al. 2018).
Análisis de movimiento
Cinemática de traslación o desplazamiento: velocidad media (Duffy et al. 2015), puntos de inflexión (Ferrin Bolaños y Buchelly Imbachí 2010). Forma de la carretera: factor de forma (Ferrin Bolaños y Buchelly Imbachí 2010), descriptores de curvatura (Ferrin Bolaños y Buchelly Imbachí 2010), linealidad (Gárate et al. 2015; Rojas et al. 2012).
Bodor et al. 2003) presenta métodos para reconocer el comportamiento de una persona durante el movimiento:. caminar, correr, descansar, caer, etc.; en el trabajo de Oliver et al. En: VIII Congreso Latinoamericano de Ingeniería Biomédica y XLII Congreso Nacional de Ingeniería Biomédica.
Métodos de detección
- Detectores de puntos
- Técnicas de segmentación
- Aplicación de umbrales
- Detección de bordes
- Segmentación por clustering
- Modelado y substracción del fondo
- Uso de clasificadores
- Métodos basados en movimiento
- Substracción de cuadros sucesivos
- Flujo óptico
- Comentarios finales
- Referencias
El uso de detectores puntuales está limitado por la composición visual de las imágenes y se consideran útiles para detectar objetos rígidos con bordes rectos y esquinas bien definidas. Además, es habitual utilizar técnicas de preprocesamiento para ajustar los niveles de brillo antes de aplicar los umbrales. Como se mencionó en el capítulo anterior, cuando se utilizan clasificadores para la detección de objetos, es importante que la forma y apariencia de los objetos de interés no cambien demasiado con respecto a las muestras de entrenamiento cuadro por cuadro.
Representación de los objetos
- Modelos basados en forma
- Representación mediante puntos
- Representación mediante formas geométricas simples
- Modelos articulados, múltiples y esqueléticos
- Modelos basados en apariencia
- Variables y modelos de estado
- Comentarios finales
- Referencias
Cada representación es más apropiada que la otra dependiendo de la aplicación específica en la que se utiliza (Yilmaz et al. 2006). La complejidad del modelo vendrá definida por la cantidad de características físicas de los objetos presentes en la escena y las características que se pueden extraer de las imágenes (Challa et al. 2011; Lucena 2003). Existen otros descriptores comunes de la forma de los objetos como la relación de aspecto de ventanas rectangulares (Lipton et al. 1998), la colección completa de puntos de contorno (Fekir y Benamrane 2014) o sus parámetros (Isard y Blake 1998), descriptores del número de extremidades o apéndices (Buchelly Imbachí y Pencue Fierro 2009), entre otros.
Métodos de seguimiento
- Enfoque probabilístico para el seguimiento
- Modelos de la dinámica y modelos de medición
- Métodos de predicción
- Predicción por Filtro de Kalman
- Predicción basada en flujo óptico
- Método propuesto para la asociación y el tratamiento de las oclusiones
- Referentes teóricos que dan soporte al método propuesto …
- Método de asociación o correspondencia temporal
- Tratamiento de las oclusiones
- Parámetros de ajuste para el método
- Comentarios finales
- Referencias
De esta manera, se utilizaron filtros de Kalman individuales para la predicción de cada espermatozoide en la aplicación que se describirá en el capítulo 6. En los enfoques de seguimiento tradicionales, el proceso de optimización se realiza de manera diferente dependiendo de la representación de la forma de los objetos (Yilmaz et al. . 2006 ), como se muestra en el capítulo 2. En el capítulo 2, se mencionó la existencia de diferentes categorías que agrupan los métodos de seguimiento tradicionales, dada la variedad de representaciones de objetos, la forma de los objetos.
Análisis de motilidad espermática
Análisis de semen asistido por computador
Velocidad curvilínea (VCL): el promedio temporal de la velocidad de la cabeza de un espermatozoide a lo largo de su trayectoria curvilínea real, observada en dos dimensiones por el microscopio. Velocidad de trayectoria media (VAP): Promedio temporal de la velocidad de la cabeza del espermatozoide a lo largo de su trayectoria media. Desplazamiento lateral de la cabeza (ALH): magnitud del desplazamiento lateral de la cabeza de un espermatozoide respecto de su recorrido medio.
Trabajos relacionados
Por ejemplo, es habitual utilizar filtros de Kalman (Jati et al. 2016; Rodríguez-Montaña y Roa-Guerrero 2017) asociados a cada celda, y menos frecuentemente filtros de partículas (Gárate 2015; Ravanfar y Moradi 2011) para estimar posiciones futuras en en cualquier momento. Muiño 2008; Santolaría etc. 2016), el paquete estadístico R (Martínez-Pastor et al. 2008; Ramón et al. 2012), entre otros, y así poder identificar subpoblaciones de espermatozoides en el eyaculado. Ramón et al. 2012), conociendo previamente algunas muestras representativas de cada grupo para realizar la formación.
Método propuesto para la detección y representación de espermatozoides
- Método de detección
- Representación de la forma y de la apariencia
Finalmente, se obtuvo el centro de gravedad de cada celda como se define en el capítulo 4 (Ecuación 4.2). En (𝑎) y (𝑓) la imagen original se muestra en escala de grises, en (𝑏) y (𝑔) la transformación Top-Hat correspondiente, en (𝑐) y (ℎ) la aplicación de umbral uniforme, en (𝑑) y ( 𝑖) el filtrado morfológico de las imágenes binarias, y en (𝑒) y (𝑗) los centros de gravedad de las siluetas finales. Como se muestra en la Figura 6.2, la cabeza de cada célula detectada se modela utilizando un único punto para representar su forma.
Seguimiento de células espermáticas
- Predicción mediante Filtros de Kalman
- Método de asociación y tratamiento de las oclusiones
El número de desplazamientos que se deben promediar para aumentar el radio de búsqueda en oclusión: El valor par 𝐾 = 4 se establece debido al movimiento oscilante de la cabeza. El número máximo de posibilidades para esperar a que reaparezca un objeto: establezca 𝑂𝑚𝑎𝑥 = 6 como tiempo suficiente para esperar a que la celda reaparezca y resuelva las penalizaciones. El peso o factor de ponderación para la actualización del estado se fija en 𝛽 = 1, es decir, el estado de cada objeto se toma directamente como el vector de medición de la detección correspondiente.
Análisis de las trayectorias
- Cálculo de los parámetros de motilidad
- Identificación de subpoblaciones espermáticas de motilidad
El factor cos 𝛼𝑛 se utiliza para proyectar la separación d(𝑝⃗𝑛, 𝑠⃗𝑛) perpendicular a la trayectoria suave. Si se toma el valor absoluto de la matriz de correlación, una característica seleccionada para la agrupación será la correspondiente a la fila (o columna) cuya suma de valores sea mínima. La medida general de la calidad de la agrupación será la media aritmética de los índices de silueta de todas las celdas.
Resultados
- Métodos de detección y seguimiento
- Elaboración de un software CASA para el análisis de motilidad
- Análisis de motilidad espermática
- Identificación de subpoblaciones espermáticas de motilidad
- Clasificación de muestras
Rendimiento de los métodos propuestos frente a software de referencia para la detección y seguimiento de espermatozoides. Rendimiento de los métodos propuestos y de los métodos del software Sperm Class Analyzer en términos de porcentaje de detecciones. Rendimiento de los métodos propuestos para la detección y seguimiento de espermatozoides en semen de oveja (fila superior) y semen de cabra (fila inferior) en comparación con el software de referencia.
Conclusiones para esta aplicación
En la segunda fase, se comparó la confiabilidad de las técnicas propuestas para el cálculo de parámetros estándar de motilidad con videos de esperma de ovejas y cabras, y se utilizaron como mediciones de referencia las mediciones obtenidas por el sistema comercial. De esta forma se evaluaron los parámetros que son independientes y que dependen del método de suavizado de trayectoria. La alta correlación entre los parámetros calculados, independientemente del suavizado, y las mediciones obtenidas con el sistema comercial confirma el adecuado desempeño del método de monitoreo.
Buchelly Imbachí, F., Zalazar, L., Pastore, J., Greco, M., Iniesta-Cuerda, M., Garde, J., Soler, A., Ballarin, V., Cesari, A.: Objective evaluation of ram sperm and sperm motility using a new sperm tracking software. Rodríguez-Montaña, D., Roa-Guerrero, E.: Objective evaluation of bull sperm motility parameters using computer vision algorithms. Zalazar, L., Buchelly Imbachí, F., Greco, M., López, A., Radonic, M., Pastore, J., Aristizabal, E., Cesari, A., Ballarin, V.: Preliminary sample management of sperm from Paralichthys Orbignianus for the objective analysis of sperm motility using a new set of open source algorithms.
Otras aplicaciones
Análisis de los movimientos bacterianos
- Detección y representación de los cuerpos bacterianos
- Ensayo de rotación flagelar
- Análisis del movimiento de traslación
- Resultados
- Conclusiones para esta aplicación
Determinación de la inclinación y desplazamiento angular de un cuerpo bacteriano en la prueba de rotación del flagelo. Velocidad promedio de la bacteria (𝑉): use la ecuación 6.6 para determinar la velocidad curvilínea, como se hizo con los espermatozoides. Para cada celda, los 9 descriptores de movimiento mencionados en la sección 7.1.3 se calculan a partir de la trayectoria obtenida mediante el método de seguimiento.
Estudio de la degradación de aleaciones de magnesio
- Preparación de las muestras y adquisición de las secuencias de video
- Detección y representación de las burbujas de hidrógeno
- Seguimiento de las burbujas
- Cuantificación de la tasa de generación de hidrógeno
- Resultados
- Conclusiones para esta aplicación
De esta forma se debe realizar la medición de la tasa de degradación de los metales. En la Figura 7.3 e se muestra un ejemplo de la representación de las burbujas detectadas mediante círculos. 138 evolución de la cantidad de gas generado por la superficie se realiza utilizando los enfoques descritos en la siguiente sección.
En las superficies anodizadas, al inicio de la inmersión sólo se producen unas pequeñas cantidades de burbujas de hidrógeno, pero la situación pronto se estabiliza y la superficie no reacciona con el líquido. También se desarrollaron aplicaciones adicionales utilizando el método de monitorización propuesto: el análisis del movimiento de diferentes especies bacterianas y el estudio in vitro de la tasa de degradación de aleaciones de magnesio. Probar el método de seguimiento con otras representaciones de formas, por ejemplo, con contornos activos, modelos esqueléticos, modelos múltiples y modelos articulados.
Uso del software Sperm Motility Tracker
Siga las instrucciones que se muestran en la ventana de activación y solicite un código de registro a la dirección de correo electrónico proporcionada. La concentración máxima recomendada es de 120 células por imagen, para asegurar un correcto seguimiento, como se indica en el post:. Establezca los parámetros de configuración necesarios en la pestaña Configuración para realizar una detección y monitoreo adecuados de las células y obtener mediciones correctas de los parámetros de motilidad.
Licencia y registro del software Sperm Motility Tracker
154 El software Sperm Motility Tracker fue diseñado y desarrollado por Francisco Buchelly, Juan Pastore y Virginia Ballarin del Laboratorio de Procesamiento de Imágenes del Instituto de Investigaciones Científicas y Tecnológicas en Electrónica (ICyTE) y Andreina Cesari y Lucía Zalazar del Instituto de Investigaciones Biológicas ( IIB), ambos el instituto pertenece a la Universidad Nacional de Mar del Plata y al CONICET. El software fue registrado como obra inédita el 2 de noviembre de 2018 bajo el número de RE APN-DNDA#MJ ante el Poder Ejecutivo Nacional de la República Argentina como se describe a continuación.
