Desarrollo de un sistema de clasificación de imágenes de anticuerpos anticitoplasma de neutrófilos y anti-dna de doble cadena basado en técnicas de inteligencia artificial

La detección de anticuerpos anticitoplasma de neutrófilos (ANCA) y anticuerpos anti-dsDNA es esencial para el diagnóstico y tratamiento de enfermedades autoinmunes como el Lupus Eritematoso Sistémico (LES) y la Vasculitis Asociada a ANCA (AAV). Estas pruebas, comúnmente realizadas mediante técnicas...

Full description

Autores:
Andrade Mijares, Stheffany
Bustos Manrique, Valentina
Valzania Prada, Vittoria José
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/25248
Acceso en línea:
http://hdl.handle.net/20.500.12749/25248
Palabra clave:
Biomedical engineering
Artificial intelligence
Autoinmune diseases
Transfer learning
Regularization
Image processing
Engineering
Bioengineering
Medicine
Biomedical
Antinuclear antibodies
Autoantibodies
Fluorescent antibody technique
Fluorescence microscopy
Ingeniería biomédica
Ingeniería
Bioingeniería
Medicina
Biomédica
Anticuerpos antinucleares
Autoanticuerpos
Técnica de anticuerpos fluorescentes
Microscopía de fluorescencia
Inteligencia artificial
Enfermedades autoinmunes
Regularización
Procesamiento de imágenes
Transferencia de aprendizaje
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:La detección de anticuerpos anticitoplasma de neutrófilos (ANCA) y anticuerpos anti-dsDNA es esencial para el diagnóstico y tratamiento de enfermedades autoinmunes como el Lupus Eritematoso Sistémico (LES) y la Vasculitis Asociada a ANCA (AAV). Estas pruebas, comúnmente realizadas mediante técnicas de inmunofluorescencia indirecta (IFI), presentan desafíos como la subjetividad y el tiempo requerido para analizar grandes volúmenes de imágenes, lo que aumenta los costos. En Colombia, la falta de herramientas basadas en inteligencia artificial para interpretar estos resultados dificulta el diagnóstico. Para abordar esto, se ha desarrollado un sistema de clasificación de imágenes utilizando técnicas de Deep Learning y Transfer Learning con la red convolucional preentrenada GoogLeNet, mejorando la precisión y eficiencia en el diagnóstico. Este sistema incluye una interfaz que permite a los profesionales de la salud realizar y validar clasificaciones, generar informes y organizar resultados de manera eficaz.