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/
id UNAB2_7aa8d79b33af42a57da6753ecffc8081
oai_identifier_str oai:repository.unab.edu.co:20.500.12749/25248
network_acronym_str UNAB2
network_name_str Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv 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
dc.title.translated.spa.fl_str_mv Development of an image classification system for Neutrophil Anti-Cytoplasmic and Double-Stranded Anti-DNA Antibody based on artificial intelligence techniques.
title 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
spellingShingle 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
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
title_short 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
title_full 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
title_fullStr 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
title_full_unstemmed 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
title_sort 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
dc.creator.fl_str_mv Andrade Mijares, Stheffany
Bustos Manrique, Valentina
Valzania Prada, Vittoria José
dc.contributor.advisor.none.fl_str_mv Franco Arias, Manuel Hernando
Arizmendi Pereira, Carlos Julio
dc.contributor.author.none.fl_str_mv Andrade Mijares, Stheffany
Bustos Manrique, Valentina
Valzania Prada, Vittoria José
dc.contributor.cvlac.spa.fl_str_mv Franco Arias, Manuel Hernando [0001427755]
Arizmendi Pereira, Carlos Julio [1381550]
dc.contributor.googlescholar.spa.fl_str_mv Arizmendi Pereira, Carlos Julio [JgT_je0AAAAJ]
dc.contributor.researchgate.spa.fl_str_mv Arizmendi Pereira, Carlos Julio [Carlos_Arizmendi2]
dc.contributor.apolounab.spa.fl_str_mv Franco Arias, Manuel Hernando [manuel-hernando-franco-arias]
Arizmendi Pereira, Carlos Julio [carlos-julio-arizmendi-pereira]
dc.subject.keywords.spa.fl_str_mv Biomedical engineering
Artificial intelligence
Autoinmune diseases
Transfer learning
Regularization
Image processing
Engineering
Bioengineering
Medicine
Biomedical
Antinuclear antibodies
Autoantibodies
Fluorescent antibody technique
Fluorescence microscopy
topic 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
dc.subject.lemb.spa.fl_str_mv Ingeniería biomédica
Ingeniería
Bioingeniería
Medicina
Biomédica
Anticuerpos antinucleares
Autoanticuerpos
Técnica de anticuerpos fluorescentes
Microscopía de fluorescencia
dc.subject.proposal.spa.fl_str_mv Inteligencia artificial
Enfermedades autoinmunes
Regularización
Procesamiento de imágenes
Transferencia de aprendizaje
description 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.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-06-25T18:31:42Z
dc.date.available.none.fl_str_mv 2024-06-25T18:31:42Z
dc.date.issued.none.fl_str_mv 2024-05-27
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv Trabajo de Grado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12749/25248
dc.identifier.instname.spa.fl_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.unab.edu.co
url http://hdl.handle.net/20.500.12749/25248
identifier_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
reponame:Repositorio Institucional UNAB
repourl:https://repository.unab.edu.co
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Acevedo, A., Merino, A., Alférez, S., Molina, Á., Boldú, L., & Rodellar, J. (2020). A dataset of microscopic peripheral blood cell images for development of automatic recognition systems. Data in brief, 30.
Álvarez-Alvarado, José & Moreno, G.J. & Obregón-Biosca, Saul & Ronquillo, Guillermo & Ventura-Ramos, Eusebio & Trejo-Perea, Jr. (2021). Hybrid Techniques to Predict Solar Radiation Using Support Vector Machine and Search Optimization Algorithms: A Review. Applied Sciences. 11. 1044. 10.3390/app11031044.
Ajemba, P., Scott, R., Ramachandran, J., Zeineh, J., Donovan, M., Fernández, G., Liu, Q., & Khan, F. (2017). Sistemas y procedimientos para la segmentación y el procesamiento de imágenes de tejidos y extracción de características de estos para tratar, diagnosticar o predecir afecciones médicas. US.
Cascio, D., Taormina, V., & Raso, G. (2019). Deep CNN for IIF images classification in autoimmune diagnostics. Applied Sciences, 9(8), 1618.
Chatterjee, S., Ghosh, S., Dawn, S., Hore, S., & Dey, N. (2016). Forest Type Classification: A hybrid NN-GA model based approach. In Information Systems Design and Intelligent Applications: Proceedings of Third International Conference INDIA 2016, Volume 3 (pp. 227-236). Springer India.
Chiang, Yen-Ming & Chang, Li-Chiu & M.-J, Tsai & Y.-F, Wang & Chang, Fi-John. (2010). Dynamic neural networks for real-time water level predictions of sewerage systems – covering gauged and ungauged sites. Hydrology and Earth System Sciences Discussions. 14. 10.5194/hessd-7-2317-2010.
Chy, T. S., & Rahaman, M. A. (2019, January). A comparative analysis by KNN, SVM & ELM classification to detect sickle cell anemia. In 2019 International conference on robotics, electrical and signal processing techniques (ICREST) (pp. 455-459). IEEE.
Congreso de la República de Colombia. (1882). Ley 23 de 1982. Por lo cual se expide Ley sobre derechos de autor.
Congreso de la República de Colombia. (2012). Ley estatutaria 1581 de 2012. Por lo cual se expide Ley Estatutaria sobre disposiciones generales para la protección de datos personales.
Convolutional Neural Network (CNN). (2018, abril 23). NVIDIA Developer. https://developer.nvidia.com/discover/convolutional-neural-network.
Csernok, E., & Moosig, F. (2014). Current and emerging techniques for ANCA detection in vasculitis. Nature Reviews Rheumatology, 10(8), 494-501.
Deng, L., & Yu, D. (2014). Deep learning: methods and applications. Foundations and trends® in signal processing, 7(3–4), 197-387.
Dey, N., Roy, A. B., Das, P., Das, A., & Chaudhuri, S. S. (2012, November). Detection and measurement of arc of lumen calcification from intravascular ultrasound using Harris corner detection. In 2012 NATIONAL CONFERENCE ON COMPUTING AND COMMUNICATION SYSTEMS (pp. 1-6). IEEE.
E Woods, R., & C Gonzalez, R. (2008). Digital image processing.
Garbin, C., Zhu, X., & Marques, O. (2020). Dropout vs. batch normalization: an empirical study of their impact to deep learning. Multimedia tools and applications, 79(19), 12777-12815.
González, R. C., & Woods, R. E. (1996). Tratamiento digital de imágenes. Addison-Wesley Publishing Co.
Gerlach, S., Affeldt, K., Pototzki, L., Krause, C., Voigt, J., Fraune, J., & Fechner, K. (2015). Automated evaluation of Crithidia luciliae based indirect immunofluorescence tests: a novel application of the EUROPattern-Suite technology. Journal of immunology research, 2015.
Hahn, B. H. (1998). Antibodies to DNA. New England Journal of Medicine, 338(19), 1359-1368.
Hosny, A., Parmar, C., Quackenbush, J., Schwartz, L. H., & Aerts, H. J. (2018). Artificial intelligence in radiology. Nature Reviews Cancer, 18(8), 500-510.
Jayapalan, S. K., & Anuar, S. (2022). Transfer Learning Based Network Performance Comparison of the Pre-Trained Deep Neural Networks using MATLAB. Open International Journal of Informatics, 10(Special Issue 1), 27-40.
Kuo, C.-F., Lin, C.-H., Chen, Y.-L., & Chiou, M.-J. (2018). Classification system and classification method of autoantibody immunofluorescence image. US.
Lakos, G., Gonzalez, M., Flaherty, D., Bentow, C., Ibarra, C., Stimson, D., ... & Dervieux, T. (2016). Detection of anti-dsDNA antibodies by computer-aided automated immunofluorescence analysis. Journal of Immunological Methods, 433, 17-22.
Lemley, J., Bazrafkan, S., & Corcoran, P. (2017). Deep Learning for Consumer Devices and Services: Pushing the limits for machine learning, artificial intelligence, and computer vision. IEEE Consumer Electronics Magazine, 6(2), 48-56.
Liu, X., Song, L., Liu, S., & Zhang, Y. (2021). A review of deep-learning-based medical image segmentation methods. Sustainability, 13(3), 1224.
Mansi, I. A., Opran, A., & Rosner, F. (2002). ANCA-associated small-vessel vasculitis. American family physician, 65(8), 1615-1621.
Mari, A., Bromley, T. R., Izaac, J., Schuld, M., & Killoran, N. (2020). Transfer learning in hybrid classical-quantum neural networks. Quantum, 4, 340.
Ministerio de Salud y Protección Social. (1989). Decreto 1360 de 1989, Por el cual se reglamenta la inscripción del soporte lógico (software) en el Registro Nacional del Derecho de Autor.
Ministerio de Salud y Protección Social. (1993). Resolución Número 8430 de 1993. Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud.
Mirapeix, E., Bosch, X., & Revert, L. L. (1991). Anticuerpos anticitoplasmáticos (ANCA). Vasculitis y glomerulonefritis. Nefrología, 11(5), 386-397.
Mikołajczyk, A., & Grochowski, M. (2018, May). Data augmentation for improving deep learning in image classification problem. In 2018 international interdisciplinary PhD workshop (IIPhDW) (pp. 117-122). IEEE.
Moreno Luna, P. C. (2021). Detección automática de melanoma aplicando métodos de aprendizaje profundo para el procesamiento y análisis de imágenes dermatológicas.
Nagy, G., Csípő, I., Tarr, T., Szűcs, G., Szántó, A., Bubán, T., ... & Antal-Szalmás, P. (2020). Anti-neutrophil cytoplasmic antibody testing by indirect immunofluorescence: computer-aided versus conventional microscopic evaluation of routine diagnostic samples from patients with vasculitis or other inflammatory diseases. Clinica Chimica Acta, 511, 117-124.
Navas Luquez, M. (2020). Comparación de modelos de aprendizaje automático para la predicción de células cancerígenas a partir del complejo MHC I.
Payne, A., Chudzik, P., IRVING, B. J., DIJKSTRA, A., & Tarassenko, L. (2021). Image classification of diagnostic tests. UK.
Rahman, S., Wang, L., Sun, C., & Zhou, L. (2020). Deep learning based HEp-2 image classification: A comprehensive review. Medical Image Analysis, 65, 101764.
Romero-Sánchez, C., Benavides-Solarte, M., Galindo-Ibáñez, I., Ospina-Caicedo, A. I., Parra-Izquierdo, V., Chila-Moreno, L., ... & Bello-Gualtero, J. M. (2020). Frecuencia de ANCA positivos en una población con síntomas clínicos sugestivos de enfermedad autoinmune y la interferencia de ANA en su interpretación. Reumatología clínica, 16(6), 473-479.
Rose, N. R., & Mackay, I. R. (2006). Autoimmune diseases: Pathogenesis, diagnosis, and therapeutics. Journal of Autoimmunity, 27(2), 69-70.
Santosh, K. C., & Nattee, C. (2009). A comprehensive survey on on-line handwriting recognition technology and its real application to the Nepalese natural handwriting. Kathmandu University Journal of Science, Engineering, and Technology, 5(I), 31-55.
Savige, J., Pollock, W., & Trevisin, M. (2005). What do antineutrophil cytoplasmic antibodies (ANCA) tell us?. Best practice & research Clinical rheumatology, 19(2), 263-276.
Segui, P. (2022, diciembre 16). Interfaz de usuario: Qué es y cómo diseñar una UI. OVACEN. https://ovacen.com/diseno-interfaz-usuario-ui/
Sinico, R. A., & Radice, A. (2014). Antineutrophil cytoplasmic antibodies (ANCA) testing: detection methods and clinical application. Clin Exp Rheumatol, 32(3 Suppl 82), S112-7.
Sokollik, C., Pahud de Mortanges, A., Leichtle, A. B., Juillerat, P., & Horn, M. P. (2023). Machine Learning in Antibody Diagnostics for Inflammatory Bowel Disease Subtype Classification. Diagnostics, 13(15), 2491.
Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. (2014). Dropout: a simple way to prevent neural networks from overfitting. The journal of machine learning research, 15(1), 1929-1958.
Stenman, S., Bychkov, D., Kücükel, H., Linder, N., Haglund, C., Arola, J., & Lundin, J. (2020). Antibody supervised training of a deep learning based algorithm for leukocyte 105 segmentation in papillary thyroid carcinoma. IEEE journal of biomedical and health informatics, 25(2), 422-428.
Tian, J., Zhang, D., Yao, X., Huang, Y., & Lu, Q. (2023). Global epidemiology of systemic lupus erythematos us: a comprehensive systematic analysis and modeling study. Annals of Rheumatic Diseases, 82(3), 351-356.
Wang, Haibo & Cruz-Roa, Angel & Basavanhally, Ajay & Gilmore, Hannah & Shih, Natalie & Feldman, Mike & Tomaszewski, John & González, Fabio & Madabhushi, Anant. (2014). Mitosis detection in breast cancer pathology images by combining handcrafted and convolutional neural network features. Journal of Medical Imaging. 1. 1-8. 10.1117/1.JMI.1.3.034003.
Xie, Q., Chen, P., Li, Z., & Xie, R. (2023). Automatic Segmentation and Classification for Antinuclear Antibody Images Based on Deep Learning. Computational Intelligence and Neuroscience, 2023.
Pouliakis, Abraham & Karakitsou, Effrosyni & Margari, Niki & Bountris, Panagiotis & Haritou, Maria & Panayiotides, John & Koutsouris, Dimitrios & Karakitsos, Petros. (2016). Artificial Neural Networks as Decision Support Tools in Cytopathology: Past Present and Future. Biomed Eng Comput Biol. 2016. 1-18. 10.4137/BECB.S31601.
Luo, Keliang & Wang, Xinyi & Zou, Qingfeng. (2023). AI Artist with Reinforcement Learning and Graph Neural Network. Highlights in Science, Engineering and Technology. 39. 1005-1016. 10.54097/hset.v39i.6694.
dc.relation.uriapolo.spa.fl_str_mv https://apolo.unab.edu.co/en/persons/manuel-hernando-franco-arias-2
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.creativecommons.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.spatial.spa.fl_str_mv Bucaramanga (Santander, Colombia)
dc.coverage.campus.spa.fl_str_mv UNAB Campus Bucaramanga
dc.publisher.grantor.spa.fl_str_mv Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.spa.fl_str_mv Facultad Ingeniería
dc.publisher.program.spa.fl_str_mv Pregrado Ingeniería Biomédica
institution Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv https://repository.unab.edu.co/bitstream/20.500.12749/25248/1/Tesis.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/25248/7/Licencia.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/25248/8/Tesis.pdf.jpg
https://repository.unab.edu.co/bitstream/20.500.12749/25248/9/Licencia.pdf.jpg
https://repository.unab.edu.co/bitstream/20.500.12749/25248/6/license.txt
bitstream.checksum.fl_str_mv d1674fb682cdc6141b88b41f8502d1ae
908d8635b9c3641bebe5e4006fee5bde
e754759da0d85158a9fd6c245f55755a
d02701396167c400215bca358daba2d7
3755c0cfdb77e29f2b9125d7a45dd316
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv repositorio@unab.edu.co
_version_ 1808410543130673152
spelling Franco Arias, Manuel Hernandof54597c9-3b82-4525-9a23-1cf6369a6a66Arizmendi Pereira, Carlos Julio79e0125f-b191-4144-999b-281177ddaaf9Andrade Mijares, Stheffany2549b1f7-f5f6-43f6-9ecb-03c1f6700d70Bustos Manrique, Valentinafc5052e5-315a-4178-81e8-33d03125b663Valzania Prada, Vittoria Joséc1c15fe2-69a8-4c6c-9ec0-9245dd70cdbdFranco Arias, Manuel Hernando [0001427755]Arizmendi Pereira, Carlos Julio [1381550]Arizmendi Pereira, Carlos Julio [JgT_je0AAAAJ]Arizmendi Pereira, Carlos Julio [Carlos_Arizmendi2]Franco Arias, Manuel Hernando [manuel-hernando-franco-arias]Arizmendi Pereira, Carlos Julio [carlos-julio-arizmendi-pereira]Bucaramanga (Santander, Colombia)UNAB Campus Bucaramanga2024-06-25T18:31:42Z2024-06-25T18:31:42Z2024-05-27http://hdl.handle.net/20.500.12749/25248instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coLa 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.Índice Capítulo I 12 Aspectos Generales 12 Descripción del Problema 12 Justificación del Problema 13 Pregunta de Investigación 15 Objetivo General 15 Objetivos Específicos 15 Limitaciones y Delimitaciones 16 Capitulo II 18 Marco Teórico, Marco Legal y Estado Del Arte 18 Marco Teórico 18 Anticuerpos Anticitoplasma de Neutrófilos (ANCA) 18 Técnicas Para la Detección de ANCA 19 Imnunofluorescencia Indirecta (IFI). 20 Enzimoinmunoanálisis de Adsorción (ELISA). 22 Pruebas ELISA de primera generación. 22 Pruebas ELISA de Segunda y Tercera generación. 23 Anticuerpos Anti-DNA de Doble Cadena (Anti-dsDNA) 23 Técnicas para la detección de Anti-dsDNA 24 Patrones de IFI en Anti-dsDNA. 25 Procesamiento de Imágenes 26 Preprocesamiento. 27 Segmentación. 28 Sistemas de clasificación 29 Deep Learning. 29 Redes Neuronales Convolucionales (CNN). 30 Transfer Learning. 32 Dropout. 32 Data Augmentation. 33 Marco Legal 34 Estado Del Arte 35 Capitulo III 41 Metodología 41 Etapa I 42 Caracterización de la base de datos 42 Selección de la técnica de Inteligencia Artificial a utilizar 44 Selección de las técnicas de procesamiento de imágenes a utilizar 48 Etapa II 55 Selección del lenguaje de programación y el entorno de desarrollo 55 Desarrollo del código de procesamiento de imágenes 56 Desarrollo del algoritmo de IA 58 Diseño y desarrollo de la interfaz gráfica 59 Etapa III 60 Capitulo IV 61 Resultados y Análisis de Resultados 61 Etapa I 61 Caracterización de la base de datos 61 Selección de la técnica de Inteligencia Artificial a utilizar 61 Selección de las técnicas de procesamiento de imágenes a utilizar 62 Etapa II 66 Selección del lenguaje de programación y el entorno de desarrollo 66 Desarrollo del código de procesamiento de imágenes 67 Desarrollo del algoritmo de IA 74 Modelo Anti-dsDNA. 80 Diseño y desarrollo de la interfaz gráfica 83 Integración de los modelos al software. 85 Manual de usuario. 85 Etapa III 85 Pruebas de la interfaz gráfica integrando los modelos de clasificación 86 Pruebas de aceptación de usuarios 91 Entrega de documentación, capacitación y encuesta de satisfacción al usuario 92 Capitulo V 97 Conclusiones y Recomendaciones 97 Trabajo futuro 99 Bibliografía 100 Anexos 106PregradoThe detection of anti-neutrophil cytoplasmic antibodies (ANCA) and anti-dsDNA antibodies is essential for the diagnosis and treatment of autoimmune diseases such as Systemic Lupus Erythematosus (SLE) and ANCA-associated vasculitis (AAV). These tests, commonly performed using indirect immunofluorescence (IFA) techniques, present challenges such as subjectivity and the time required to analyze large volumes of images, which increases costs. In Colombia, the lack of artificial intelligence-based tools to interpret these results makes diagnosis difficult. To address this, an image classification system has been developed using Deep Learning and Transfer Learning techniques with the pre-trained convolutional network GoogLeNet, improving diagnostic accuracy and efficiency. This system includes an interface that allows healthcare professionals to efficiently perform and validate classifications, generate reports and organize results.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Desarrollo de un sistema de clasificación de imágenes de anticuerpos anticitoplasma de neutrófilos y anti-dna de doble cadena basado en técnicas de inteligencia artificialDevelopment of an image classification system for Neutrophil Anti-Cytoplasmic and Double-Stranded Anti-DNA Antibody based on artificial intelligence techniques.Ingeniero BiomédicoUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería Biomédicainfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPBiomedical engineeringArtificial intelligenceAutoinmune diseasesTransfer learningRegularizationImage processingEngineeringBioengineeringMedicineBiomedicalAntinuclear antibodiesAutoantibodiesFluorescent antibody techniqueFluorescence microscopyIngeniería biomédicaIngenieríaBioingenieríaMedicinaBiomédicaAnticuerpos antinuclearesAutoanticuerposTécnica de anticuerpos fluorescentesMicroscopía de fluorescenciaInteligencia artificialEnfermedades autoinmunesRegularizaciónProcesamiento de imágenesTransferencia de aprendizajeAcevedo, A., Merino, A., Alférez, S., Molina, Á., Boldú, L., & Rodellar, J. (2020). A dataset of microscopic peripheral blood cell images for development of automatic recognition systems. Data in brief, 30.Álvarez-Alvarado, José & Moreno, G.J. & Obregón-Biosca, Saul & Ronquillo, Guillermo & Ventura-Ramos, Eusebio & Trejo-Perea, Jr. (2021). Hybrid Techniques to Predict Solar Radiation Using Support Vector Machine and Search Optimization Algorithms: A Review. Applied Sciences. 11. 1044. 10.3390/app11031044.Ajemba, P., Scott, R., Ramachandran, J., Zeineh, J., Donovan, M., Fernández, G., Liu, Q., & Khan, F. (2017). Sistemas y procedimientos para la segmentación y el procesamiento de imágenes de tejidos y extracción de características de estos para tratar, diagnosticar o predecir afecciones médicas. US.Cascio, D., Taormina, V., & Raso, G. (2019). Deep CNN for IIF images classification in autoimmune diagnostics. Applied Sciences, 9(8), 1618.Chatterjee, S., Ghosh, S., Dawn, S., Hore, S., & Dey, N. (2016). Forest Type Classification: A hybrid NN-GA model based approach. In Information Systems Design and Intelligent Applications: Proceedings of Third International Conference INDIA 2016, Volume 3 (pp. 227-236). Springer India.Chiang, Yen-Ming & Chang, Li-Chiu & M.-J, Tsai & Y.-F, Wang & Chang, Fi-John. (2010). Dynamic neural networks for real-time water level predictions of sewerage systems – covering gauged and ungauged sites. Hydrology and Earth System Sciences Discussions. 14. 10.5194/hessd-7-2317-2010.Chy, T. S., & Rahaman, M. A. (2019, January). A comparative analysis by KNN, SVM & ELM classification to detect sickle cell anemia. In 2019 International conference on robotics, electrical and signal processing techniques (ICREST) (pp. 455-459). IEEE.Congreso de la República de Colombia. (1882). Ley 23 de 1982. Por lo cual se expide Ley sobre derechos de autor.Congreso de la República de Colombia. (2012). Ley estatutaria 1581 de 2012. Por lo cual se expide Ley Estatutaria sobre disposiciones generales para la protección de datos personales.Convolutional Neural Network (CNN). (2018, abril 23). NVIDIA Developer. https://developer.nvidia.com/discover/convolutional-neural-network.Csernok, E., & Moosig, F. (2014). Current and emerging techniques for ANCA detection in vasculitis. Nature Reviews Rheumatology, 10(8), 494-501.Deng, L., & Yu, D. (2014). Deep learning: methods and applications. Foundations and trends® in signal processing, 7(3–4), 197-387.Dey, N., Roy, A. B., Das, P., Das, A., & Chaudhuri, S. S. (2012, November). Detection and measurement of arc of lumen calcification from intravascular ultrasound using Harris corner detection. In 2012 NATIONAL CONFERENCE ON COMPUTING AND COMMUNICATION SYSTEMS (pp. 1-6). IEEE.E Woods, R., & C Gonzalez, R. (2008). Digital image processing.Garbin, C., Zhu, X., & Marques, O. (2020). Dropout vs. batch normalization: an empirical study of their impact to deep learning. Multimedia tools and applications, 79(19), 12777-12815.González, R. C., & Woods, R. E. (1996). Tratamiento digital de imágenes. Addison-Wesley Publishing Co.Gerlach, S., Affeldt, K., Pototzki, L., Krause, C., Voigt, J., Fraune, J., & Fechner, K. (2015). Automated evaluation of Crithidia luciliae based indirect immunofluorescence tests: a novel application of the EUROPattern-Suite technology. Journal of immunology research, 2015.Hahn, B. H. (1998). Antibodies to DNA. New England Journal of Medicine, 338(19), 1359-1368.Hosny, A., Parmar, C., Quackenbush, J., Schwartz, L. H., & Aerts, H. J. (2018). Artificial intelligence in radiology. Nature Reviews Cancer, 18(8), 500-510.Jayapalan, S. K., & Anuar, S. (2022). Transfer Learning Based Network Performance Comparison of the Pre-Trained Deep Neural Networks using MATLAB. Open International Journal of Informatics, 10(Special Issue 1), 27-40.Kuo, C.-F., Lin, C.-H., Chen, Y.-L., & Chiou, M.-J. (2018). Classification system and classification method of autoantibody immunofluorescence image. US.Lakos, G., Gonzalez, M., Flaherty, D., Bentow, C., Ibarra, C., Stimson, D., ... & Dervieux, T. (2016). Detection of anti-dsDNA antibodies by computer-aided automated immunofluorescence analysis. Journal of Immunological Methods, 433, 17-22.Lemley, J., Bazrafkan, S., & Corcoran, P. (2017). Deep Learning for Consumer Devices and Services: Pushing the limits for machine learning, artificial intelligence, and computer vision. IEEE Consumer Electronics Magazine, 6(2), 48-56.Liu, X., Song, L., Liu, S., & Zhang, Y. (2021). A review of deep-learning-based medical image segmentation methods. Sustainability, 13(3), 1224.Mansi, I. A., Opran, A., & Rosner, F. (2002). ANCA-associated small-vessel vasculitis. American family physician, 65(8), 1615-1621.Mari, A., Bromley, T. R., Izaac, J., Schuld, M., & Killoran, N. (2020). Transfer learning in hybrid classical-quantum neural networks. Quantum, 4, 340.Ministerio de Salud y Protección Social. (1989). Decreto 1360 de 1989, Por el cual se reglamenta la inscripción del soporte lógico (software) en el Registro Nacional del Derecho de Autor.Ministerio de Salud y Protección Social. (1993). Resolución Número 8430 de 1993. Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud.Mirapeix, E., Bosch, X., & Revert, L. L. (1991). Anticuerpos anticitoplasmáticos (ANCA). Vasculitis y glomerulonefritis. Nefrología, 11(5), 386-397.Mikołajczyk, A., & Grochowski, M. (2018, May). Data augmentation for improving deep learning in image classification problem. In 2018 international interdisciplinary PhD workshop (IIPhDW) (pp. 117-122). IEEE.Moreno Luna, P. C. (2021). Detección automática de melanoma aplicando métodos de aprendizaje profundo para el procesamiento y análisis de imágenes dermatológicas.Nagy, G., Csípő, I., Tarr, T., Szűcs, G., Szántó, A., Bubán, T., ... & Antal-Szalmás, P. (2020). Anti-neutrophil cytoplasmic antibody testing by indirect immunofluorescence: computer-aided versus conventional microscopic evaluation of routine diagnostic samples from patients with vasculitis or other inflammatory diseases. Clinica Chimica Acta, 511, 117-124.Navas Luquez, M. (2020). Comparación de modelos de aprendizaje automático para la predicción de células cancerígenas a partir del complejo MHC I.Payne, A., Chudzik, P., IRVING, B. J., DIJKSTRA, A., & Tarassenko, L. (2021). Image classification of diagnostic tests. UK.Rahman, S., Wang, L., Sun, C., & Zhou, L. (2020). Deep learning based HEp-2 image classification: A comprehensive review. Medical Image Analysis, 65, 101764.Romero-Sánchez, C., Benavides-Solarte, M., Galindo-Ibáñez, I., Ospina-Caicedo, A. I., Parra-Izquierdo, V., Chila-Moreno, L., ... & Bello-Gualtero, J. M. (2020). Frecuencia de ANCA positivos en una población con síntomas clínicos sugestivos de enfermedad autoinmune y la interferencia de ANA en su interpretación. Reumatología clínica, 16(6), 473-479.Rose, N. R., & Mackay, I. R. (2006). Autoimmune diseases: Pathogenesis, diagnosis, and therapeutics. Journal of Autoimmunity, 27(2), 69-70.Santosh, K. C., & Nattee, C. (2009). A comprehensive survey on on-line handwriting recognition technology and its real application to the Nepalese natural handwriting. Kathmandu University Journal of Science, Engineering, and Technology, 5(I), 31-55.Savige, J., Pollock, W., & Trevisin, M. (2005). What do antineutrophil cytoplasmic antibodies (ANCA) tell us?. Best practice & research Clinical rheumatology, 19(2), 263-276.Segui, P. (2022, diciembre 16). Interfaz de usuario: Qué es y cómo diseñar una UI. OVACEN. https://ovacen.com/diseno-interfaz-usuario-ui/Sinico, R. A., & Radice, A. (2014). Antineutrophil cytoplasmic antibodies (ANCA) testing: detection methods and clinical application. Clin Exp Rheumatol, 32(3 Suppl 82), S112-7.Sokollik, C., Pahud de Mortanges, A., Leichtle, A. B., Juillerat, P., & Horn, M. P. (2023). Machine Learning in Antibody Diagnostics for Inflammatory Bowel Disease Subtype Classification. Diagnostics, 13(15), 2491.Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. (2014). Dropout: a simple way to prevent neural networks from overfitting. The journal of machine learning research, 15(1), 1929-1958.Stenman, S., Bychkov, D., Kücükel, H., Linder, N., Haglund, C., Arola, J., & Lundin, J. (2020). Antibody supervised training of a deep learning based algorithm for leukocyte 105 segmentation in papillary thyroid carcinoma. IEEE journal of biomedical and health informatics, 25(2), 422-428.Tian, J., Zhang, D., Yao, X., Huang, Y., & Lu, Q. (2023). Global epidemiology of systemic lupus erythematos us: a comprehensive systematic analysis and modeling study. Annals of Rheumatic Diseases, 82(3), 351-356.Wang, Haibo & Cruz-Roa, Angel & Basavanhally, Ajay & Gilmore, Hannah & Shih, Natalie & Feldman, Mike & Tomaszewski, John & González, Fabio & Madabhushi, Anant. (2014). Mitosis detection in breast cancer pathology images by combining handcrafted and convolutional neural network features. Journal of Medical Imaging. 1. 1-8. 10.1117/1.JMI.1.3.034003.Xie, Q., Chen, P., Li, Z., & Xie, R. (2023). Automatic Segmentation and Classification for Antinuclear Antibody Images Based on Deep Learning. Computational Intelligence and Neuroscience, 2023.Pouliakis, Abraham & Karakitsou, Effrosyni & Margari, Niki & Bountris, Panagiotis & Haritou, Maria & Panayiotides, John & Koutsouris, Dimitrios & Karakitsos, Petros. (2016). Artificial Neural Networks as Decision Support Tools in Cytopathology: Past Present and Future. Biomed Eng Comput Biol. 2016. 1-18. 10.4137/BECB.S31601.Luo, Keliang & Wang, Xinyi & Zou, Qingfeng. (2023). AI Artist with Reinforcement Learning and Graph Neural Network. Highlights in Science, Engineering and Technology. 39. 1005-1016. 10.54097/hset.v39i.6694.https://apolo.unab.edu.co/en/persons/manuel-hernando-franco-arias-2ORIGINALTesis.pdfTesis.pdfTesisapplication/pdf10703837https://repository.unab.edu.co/bitstream/20.500.12749/25248/1/Tesis.pdfd1674fb682cdc6141b88b41f8502d1aeMD51open accessLicencia.pdfLicencia.pdfLicenciaapplication/pdf928213https://repository.unab.edu.co/bitstream/20.500.12749/25248/7/Licencia.pdf908d8635b9c3641bebe5e4006fee5bdeMD57metadata only accessTHUMBNAILTesis.pdf.jpgTesis.pdf.jpgIM Thumbnailimage/jpeg5316https://repository.unab.edu.co/bitstream/20.500.12749/25248/8/Tesis.pdf.jpge754759da0d85158a9fd6c245f55755aMD58open accessLicencia.pdf.jpgLicencia.pdf.jpgIM Thumbnailimage/jpeg12994https://repository.unab.edu.co/bitstream/20.500.12749/25248/9/Licencia.pdf.jpgd02701396167c400215bca358daba2d7MD59metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/25248/6/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD56open access20.500.12749/25248oai:repository.unab.edu.co:20.500.12749/252482024-06-25 22:00:34.723open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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

Publicaciones similares