Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung
ilustraciones, diagramas, fotografías
- Autores:
-
Siabatto Cleves, Andrés Felipe
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/85754
- Palabra clave:
- 610 - Medicina y salud::618 - Ginecología, obstetricia, pediatría, geriatría
600 - Tecnología (Ciencias aplicadas)::602 - Miscelánea
diagnóstico
diagnosis
Enfermedad de Hirschsprung
Hirschsprung Disease
Células ganglionares
Aganglionosis
Biopsia rectal
Aprendizaje profundo
Inteligencia Artificial
Aprendizaje Automático
Errores Diagnósticos
Deep learning
Hand- crafted features
Artificial intelligence
Machine learning
Diagnostic Errors
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_3b71741cc938d7d168238009101293af |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/85754 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung |
| dc.title.translated.eng.fl_str_mv |
Construction of a digital pathology tool for the identification of ganglion cells: diagnostic support in Hirschsprung's disease |
| title |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung |
| spellingShingle |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung 610 - Medicina y salud::618 - Ginecología, obstetricia, pediatría, geriatría 600 - Tecnología (Ciencias aplicadas)::602 - Miscelánea diagnóstico diagnosis Enfermedad de Hirschsprung Hirschsprung Disease Células ganglionares Aganglionosis Biopsia rectal Aprendizaje profundo Inteligencia Artificial Aprendizaje Automático Errores Diagnósticos Deep learning Hand- crafted features Artificial intelligence Machine learning Diagnostic Errors |
| title_short |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung |
| title_full |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung |
| title_fullStr |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung |
| title_full_unstemmed |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung |
| title_sort |
Construcción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de Hirschsprung |
| dc.creator.fl_str_mv |
Siabatto Cleves, Andrés Felipe |
| dc.contributor.advisor.none.fl_str_mv |
Olaya Morales, Natalia |
| dc.contributor.author.none.fl_str_mv |
Siabatto Cleves, Andrés Felipe |
| dc.contributor.researcher.none.fl_str_mv |
Toro Castaño Paula Andrea Corredor Prada Germán Quintero Edna Margarita Maldonado Cañón Kevin Fierro Ávila Fernando |
| dc.subject.ddc.spa.fl_str_mv |
610 - Medicina y salud::618 - Ginecología, obstetricia, pediatría, geriatría 600 - Tecnología (Ciencias aplicadas)::602 - Miscelánea |
| topic |
610 - Medicina y salud::618 - Ginecología, obstetricia, pediatría, geriatría 600 - Tecnología (Ciencias aplicadas)::602 - Miscelánea diagnóstico diagnosis Enfermedad de Hirschsprung Hirschsprung Disease Células ganglionares Aganglionosis Biopsia rectal Aprendizaje profundo Inteligencia Artificial Aprendizaje Automático Errores Diagnósticos Deep learning Hand- crafted features Artificial intelligence Machine learning Diagnostic Errors |
| dc.subject.decs.spa.fl_str_mv |
diagnóstico diagnosis |
| dc.subject.decs.eng.fl_str_mv |
Enfermedad de Hirschsprung Hirschsprung Disease |
| dc.subject.proposal.spa.fl_str_mv |
Células ganglionares Aganglionosis Biopsia rectal Aprendizaje profundo Inteligencia Artificial Aprendizaje Automático Errores Diagnósticos |
| dc.subject.proposal.eng.fl_str_mv |
Deep learning Hand- crafted features Artificial intelligence Machine learning Diagnostic Errors |
| description |
ilustraciones, diagramas, fotografías |
| publishDate |
2023 |
| dc.date.issued.none.fl_str_mv |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2024-03-01T16:09:17Z |
| dc.date.available.none.fl_str_mv |
2024-03-01T16:09:17Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Especialidad Médica |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/85754 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/85754 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Langer J. Hirschsprung disease. Current Opinion in Pediatrics. 2013;25(3):368-374. Law M, Chan A, El Demellawy D. Color image processing in Hirschsprung's disease diagnosis. 2016 IEEE EMBS International Student Conference (ISC). 2016 Jaramillo Barberi Lina Eugenia. Diagnóstico de enfermedad de Hirschsprung en biopsias de mucosa-submucosa del recto: una propuesta de trabajo. Rev Col Gastroenterol [Internet]. 2011 Dec; 26(4): 277-284. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-99572011000400007&lng=en. Meier-Ruge W, Bruder E. Histopathology of Chronic Constipation in Pediatric and Adult Coloproctology. Basel: Karger; 2005 Santos-Jasso KA. Enfermedad de Hirschsprung. Acta Pediatr Mex. 2017;38(1):72-78. De La Torre L, Wehrli L. Error traps and culture of safety in Hirschsprung disease. Seminars in Pediatric Surgery. 2019;28(3):151-159 Najjar, S., Ahn, S., Kasago, I., Zuo, C., Umrau, K., Ainechi, S., Whyte, C., Sheehan, C., Homan, S. and Lee, H., 2018. Image Processing and Analysis of Mucosal Calretinin Staining to Define the Transition Zone in Hirschsprung Disease: A Pilot Study. European Journal of Pediatric Surgery, 29(02), pp.179-187. Bera K, Schalper K, Rimm D, Velcheti V, Madabhushi A. Artificial intelligence in digital pathology — new tools for diagnosis and precision oncology. Nature Reviews Clinical Oncology. 2019;16(11):703-715. Marín, D., & Romero, E. (2011). Sistemas de microscopía virtual: análisis y perspectivas. Biomédica, 31(1), 144-55. Romero Lauro G, Cable W, Lesniak A, Tseytlin E, McHugh J, Parwani A et al. Digital Pathology Consultations—a New Era in Digital Imaging, Challenges and Practical Applications. Journal of Digital Imaging. 2013;26(4):668-677. Onega T, Reisch L, Frederick P, Geller B, Nelson H, Lott J et al. Use of Digital Whole Slide Imaging in Dermatopathology. Journal of Digital Imaging. 2015;29(2):243-253. Erickson B, Korfiatis P, Akkus Z, Kline T, Philbrick K. Toolkits and Libraries for Deep Learning. Journal of Digital Imaging. 2017;30(4):400-405. Alom M, Yakopcic C, Nasrin M, Taha T, Asari V. Breast Cancer Classification from Histopathological Images with Inception Recurrent Residual Convolutional Neural Network. Journal of Digital Imaging. 2019;32(4):605-617. T. A. Lawal, K. Chatoorgoon, M. H. Collins, A. Coe, A. Pena, and M. A. Levitt, “Redo pull-through in Hirschprung’s ̃ disease for obstructive symptoms due to residual aganglionosis and transition zone bowel,” Journal of Pediatric Surgery, vol. 46, no. 2, pp. 342–347, feb 2011. [Online]. Available: http://linkinghub.elsevier.com/retrieve/pii/S0022346810010018 Madabhushi A, Lee G. Image analysis and machine learning in digital pathology: Challenges and opportunities. Medical Image Analysis. 2016;33:170-175. López T., Juan Carlos-Hiromi; JARAMILLO B., Lina E.. Utilidad de la biopsia rectal en el diagnóstico del paciente pediátrico con estreñimiento. Experiencia de cinco años en un centro colombiano de referencia. Revista de la Facultad de Medicina, [S.l.], v. 59, n. 3, p. 237-243, jul. 2011. ISSN 2357-3848. Disponible en: <https://revistas.unal.edu.co/index.php/revfacmed/article/view/26458/38962>. Bankhead, P. et al. QuPath: Open-source software for digital pathology image analysis. Scientific Reports (2017). https://doi.org/10.1038/s41598-017-17204-5 Uwe Schmidt, Martin Weigert, Coleman Broaddus, and Gene Myers. Cell Detection with Star-convex Polygons. International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI), Granada, Spain, September 2018. Schilling F, Geppert CE, Strehl J, Hartmann A, Kuerten S, Brehmer A, Jabari S. Digital pathology imaging and computer-aided diagnostics as a novel tool for standardization of evaluation of aganglionic megacolon (Hirschsprung disease) histopathology. Cell Tissue Res. 2019 Feb;375(2):371-381. doi: 10.1007/s00441-018-2911-1. Epub 2018 Sep 3. PMID: 30175382. Greenberg A, Aizic A, Zubkov A, Borsekofsky S, Hagege RR, Hershkovitz D. Automatic ganglion cell detection for improving the efficiency and accuracy of hirschprung disease diagnosis. Sci Rep. 2021 Feb 8;11(1):3306. doi: 10.1038/s41598-021-82869-y. PMID: 33558593; PMCID: PMC7870950 Greenberg A, Samueli B, Fahoum I, Farkash S, Greenberg O, Zemser-Werner V, Sabo E, Hagege RR, Hershkovitz D. Short Training Significantly Improves Ganglion Cell Detection Using an Algorithm-Assisted Approach. Arch Pathol Lab Med. 2023 Feb 1;147(2):215-221. doi: 10.5858/arpa.2021-0481-OA. PMID: 35738006. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
56 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Medicina - Especialidad en Patología Anatómica y Clínica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Medicina |
| dc.publisher.place.spa.fl_str_mv |
Bogotá, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/85754/7/license.txt https://repositorio.unal.edu.co/bitstream/unal/85754/8/1030650933.2023.pdf https://repositorio.unal.edu.co/bitstream/unal/85754/9/1030650933.2023.pdf.jpg |
| bitstream.checksum.fl_str_mv |
eb34b1cf90b7e1103fc9dfd26be24b4a 04e09ffe9d1a184a5cd449f792537747 7f680949f07f2bad46a95c312a2ebff0 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1806886551225892864 |
| spelling |
Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Olaya Morales, Natalia1e3ddbc8292068a9dc48dcf264848945Siabatto Cleves, Andrés Felipe0da10680d9c4a5e63d7263b3c0de7411Toro Castaño Paula AndreaCorredor Prada GermánQuintero Edna MargaritaMaldonado Cañón KevinFierro Ávila Fernando2024-03-01T16:09:17Z2024-03-01T16:09:17Z2023https://repositorio.unal.edu.co/handle/unal/85754Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, diagramas, fotografíasEl objetivo del presente estudio fue desarrollar una herramienta de software basada en patología digital capaz de apoyar el proceso diagnóstico de la enfermedad de Hirschsprung mediante la identificación automática de células ganglionares en láminas histológicas de biopsias rectales. Se seleccionaron biopsias colorrectales de 25 pacientes, realizadas en HOMI-Fundación Hospital Pediátrico La Misericordia para valoración de inervación, todas correspondientes a pacientes con inervación preservada. Posteriormente, haciendo uso de una cámara digital acoplada a un microscopio, se tomaron fotos de las láminas de histología, buscando representar células ganglionares en diferentes niveles y estados de maduración. Los núcleos fueron segmentados utilizando una herramienta libre (Stardist®) y a continuación fueron anotados manualmente (células ganglionares y no ganglionares) por dos patólogos, uno de ellos experto. Se obtuvieron un total de 39918 núcleos, de los que se seleccionó 2076 (346 células ganglionares y 1730 no ganglionares). De estos núcleos seleccionados se extrajo un set de 100 características relacionadas con forma, color y textura. Para evaluar la utilidad de estas características en la discriminación de los núcleos se utilizó una metodología de validación cruzada, dividiendo de manera aleatoria los núcleos en un set de entrenamiento y un set de validación (70 y 30% respectivamente). Utilizando la prueba de Wilcoxon se seleccionaron las 4 características con mejor desempeño, y fueron estas las características utilizadas para entrenar un clasificador basado en inteligencia artificial (análisis de discriminación lineal). La herramienta de clasificación fue aplicada entonces al set de validación y su desempeño fue evaluado en cada una de las iteraciones realizadas (500), en términos de exactitud, precisión, sensibilidad y especificidad. El desempeño global fue valorado utilizando el área bajo la curva ROC (AUC). El producto fue una potencial herramienta diagnóstica para enfermedad de Hirschsprung de bajo costo y fácil implementación, con un muy buen desempeño en la discriminación entre células ganglionares y células no ganglionares (AUC = 0.98), y que podría ser utilizada por patólogos enfrentados a biopsias rectales tomadas en áreas distantes con disponibilidad limitada de expertos o pruebas complementarias. (Texto tomado de la fuente)The main objective of the present study was to develop a software tool based on digital pathology capable of supporting the diagnostic process of Hirschsprung's disease by automatically identifying ganglion cells in histological slides of rectal biopsies. Rectal biopsies performed at HOMI-Fundación Hospital Pediátrico La Misericordia for innervation assessment were selected, all corresponding to patients with preserved innervation. Subsequently, using a digital camera attached to a microscope, photos of the histological slides were taken, aiming to represent ganglion cells at different levels. The nuclei were segmented using a free tool (Stardist®) and then manually annotated (ganglion and non-ganglion cells) by two pathologists, one of whom was an expert. A total of 39918 nuclei were obtained from which 2076 were selected (346 ganglion cells and 1730 non-ganglion cells). From these selected nuclei, a set of 100 features related to shape, color, and texture was extracted. To evaluate the utility of these features in discriminating the nuclei, a cross-validation methodology was used, randomly dividing the nuclei into a training set and a validation set (70% and 30% respectively). Using the Wilcoxon test, the features with the best performance were selected, and these features were used to train an artificial intelligence-based classifier (linear discriminant analysis). The classification tool was then applied to the validation set, and its performance was evaluated in each of the iterations (500) in terms of accuracy, precision, sensitivity, and specificity. The overall performance was assessed using the area under the ROC curve (AUC). The result was a potential low-cost and easily implementable diagnostic tool for Hirschsprung's disease, with very good performance in discriminating between ganglion cells and non-ganglion cells (AUC = 0.98), which could be used by pathologists faced with rectal biopsies taken in distant areas with limited availability of experts or complementary tests.Especialidades MédicasEspecialista en Patología Anatómica y Clínica56 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Medicina - Especialidad en Patología Anatómica y ClínicaFacultad de MedicinaBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá610 - Medicina y salud::618 - Ginecología, obstetricia, pediatría, geriatría600 - Tecnología (Ciencias aplicadas)::602 - MisceláneadiagnósticodiagnosisEnfermedad de HirschsprungHirschsprung DiseaseCélulas ganglionaresAganglionosisBiopsia rectalAprendizaje profundoInteligencia ArtificialAprendizaje AutomáticoErrores DiagnósticosDeep learningHand- crafted featuresArtificial intelligenceMachine learningDiagnostic ErrorsConstrucción de una herramienta de patología digital para la identificación de células ganglionares: apoyo diagnóstico en enfermedad de HirschsprungConstruction of a digital pathology tool for the identification of ganglion cells: diagnostic support in Hirschsprung's diseaseTrabajo de grado - Especialidad Médicainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMLanger J. Hirschsprung disease. Current Opinion in Pediatrics. 2013;25(3):368-374.Law M, Chan A, El Demellawy D. Color image processing in Hirschsprung's disease diagnosis. 2016 IEEE EMBS International Student Conference (ISC). 2016Jaramillo Barberi Lina Eugenia. Diagnóstico de enfermedad de Hirschsprung en biopsias de mucosa-submucosa del recto: una propuesta de trabajo. Rev Col Gastroenterol [Internet]. 2011 Dec; 26(4): 277-284. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-99572011000400007&lng=en.Meier-Ruge W, Bruder E. Histopathology of Chronic Constipation in Pediatric and Adult Coloproctology. Basel: Karger; 2005Santos-Jasso KA. Enfermedad de Hirschsprung. Acta Pediatr Mex. 2017;38(1):72-78.De La Torre L, Wehrli L. Error traps and culture of safety in Hirschsprung disease. Seminars in Pediatric Surgery. 2019;28(3):151-159Najjar, S., Ahn, S., Kasago, I., Zuo, C., Umrau, K., Ainechi, S., Whyte, C., Sheehan, C., Homan, S. and Lee, H., 2018. Image Processing and Analysis of Mucosal Calretinin Staining to Define the Transition Zone in Hirschsprung Disease: A Pilot Study. European Journal of Pediatric Surgery, 29(02), pp.179-187.Bera K, Schalper K, Rimm D, Velcheti V, Madabhushi A. Artificial intelligence in digital pathology — new tools for diagnosis and precision oncology. Nature Reviews Clinical Oncology. 2019;16(11):703-715.Marín, D., & Romero, E. (2011). Sistemas de microscopía virtual: análisis y perspectivas. Biomédica, 31(1), 144-55.Romero Lauro G, Cable W, Lesniak A, Tseytlin E, McHugh J, Parwani A et al. Digital Pathology Consultations—a New Era in Digital Imaging, Challenges and Practical Applications. Journal of Digital Imaging. 2013;26(4):668-677.Onega T, Reisch L, Frederick P, Geller B, Nelson H, Lott J et al. Use of Digital Whole Slide Imaging in Dermatopathology. Journal of Digital Imaging. 2015;29(2):243-253.Erickson B, Korfiatis P, Akkus Z, Kline T, Philbrick K. Toolkits and Libraries for Deep Learning. Journal of Digital Imaging. 2017;30(4):400-405.Alom M, Yakopcic C, Nasrin M, Taha T, Asari V. Breast Cancer Classification from Histopathological Images with Inception Recurrent Residual Convolutional Neural Network. Journal of Digital Imaging. 2019;32(4):605-617.T. A. Lawal, K. Chatoorgoon, M. H. Collins, A. Coe, A. Pena, and M. A. Levitt, “Redo pull-through in Hirschprung’s ̃ disease for obstructive symptoms due to residual aganglionosis and transition zone bowel,” Journal of Pediatric Surgery, vol. 46, no. 2, pp. 342–347, feb 2011. [Online]. Available: http://linkinghub.elsevier.com/retrieve/pii/S0022346810010018Madabhushi A, Lee G. Image analysis and machine learning in digital pathology: Challenges and opportunities. Medical Image Analysis. 2016;33:170-175.López T., Juan Carlos-Hiromi; JARAMILLO B., Lina E.. Utilidad de la biopsia rectal en el diagnóstico del paciente pediátrico con estreñimiento. Experiencia de cinco años en un centro colombiano de referencia. Revista de la Facultad de Medicina, [S.l.], v. 59, n. 3, p. 237-243, jul. 2011. ISSN 2357-3848. Disponible en: <https://revistas.unal.edu.co/index.php/revfacmed/article/view/26458/38962>.Bankhead, P. et al. QuPath: Open-source software for digital pathology image analysis. Scientific Reports (2017). https://doi.org/10.1038/s41598-017-17204-5Uwe Schmidt, Martin Weigert, Coleman Broaddus, and Gene Myers. Cell Detection with Star-convex Polygons. International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI), Granada, Spain, September 2018.Schilling F, Geppert CE, Strehl J, Hartmann A, Kuerten S, Brehmer A, Jabari S. Digital pathology imaging and computer-aided diagnostics as a novel tool for standardization of evaluation of aganglionic megacolon (Hirschsprung disease) histopathology. Cell Tissue Res. 2019 Feb;375(2):371-381. doi: 10.1007/s00441-018-2911-1. Epub 2018 Sep 3. PMID: 30175382.Greenberg A, Aizic A, Zubkov A, Borsekofsky S, Hagege RR, Hershkovitz D. Automatic ganglion cell detection for improving the efficiency and accuracy of hirschprung disease diagnosis. Sci Rep. 2021 Feb 8;11(1):3306. doi: 10.1038/s41598-021-82869-y. PMID: 33558593; PMCID: PMC7870950Greenberg A, Samueli B, Fahoum I, Farkash S, Greenberg O, Zemser-Werner V, Sabo E, Hagege RR, Hershkovitz D. Short Training Significantly Improves Ganglion Cell Detection Using an Algorithm-Assisted Approach. Arch Pathol Lab Med. 2023 Feb 1;147(2):215-221. doi: 10.5858/arpa.2021-0481-OA. PMID: 35738006.EstudiantesGrupos comunitariosInvestigadoresLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/85754/7/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD57ORIGINAL1030650933.2023.pdf1030650933.2023.pdfTrabajo de grado - Especialidad en Patología Anatómica y Clínicaapplication/pdf2994020https://repositorio.unal.edu.co/bitstream/unal/85754/8/1030650933.2023.pdf04e09ffe9d1a184a5cd449f792537747MD58THUMBNAIL1030650933.2023.pdf.jpg1030650933.2023.pdf.jpgGenerated Thumbnailimage/jpeg5097https://repositorio.unal.edu.co/bitstream/unal/85754/9/1030650933.2023.pdf.jpg7f680949f07f2bad46a95c312a2ebff0MD59unal/85754oai:repositorio.unal.edu.co:unal/857542024-03-01 23:04:29.315Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |