Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas

El Ensayo Cometa, o electroforesis unicelular en gel es un método empleado para el estudio del daño de células de ácido desoxirribonucleico (ADN). Sin embargo, la evaluación de células dañadas se realiza con métodos manuales, lo cual consume demasiado tiempo y es impreciso. Por esta razón, en este t...

Full description

Autores:
Acosta Franco, Juan Esteban
Quiroga Rodríguez, Juan Felipe
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4177
Acceso en línea:
https://hdl.handle.net/20.500.12313/4177
Palabra clave:
Ensayo Cometa - Conteo de Células
Aprendizaje de máquinas
Procesamiento digital de imágenes
Inteligencia artificial
Redes neuronales convolucionales
Ensayo cometa
ADN
Digital image processing
Artificial intelligence
Convolutional neural networks
Comet assay
DNA
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id UNIBAGUE2_5097a7bc2042f87a615940d18da4e646
oai_identifier_str oai:repositorio.unibague.edu.co:20.500.12313/4177
network_acronym_str UNIBAGUE2
network_name_str Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
title Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
spellingShingle Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
Ensayo Cometa - Conteo de Células
Aprendizaje de máquinas
Procesamiento digital de imágenes
Inteligencia artificial
Redes neuronales convolucionales
Ensayo cometa
ADN
Digital image processing
Artificial intelligence
Convolutional neural networks
Comet assay
DNA
title_short Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
title_full Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
title_fullStr Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
title_full_unstemmed Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
title_sort Clasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinas
dc.creator.fl_str_mv Acosta Franco, Juan Esteban
Quiroga Rodríguez, Juan Felipe
dc.contributor.advisor.none.fl_str_mv Forero Vargas, Manuel Guillermo
dc.contributor.author.none.fl_str_mv Acosta Franco, Juan Esteban
Quiroga Rodríguez, Juan Felipe
dc.contributor.jury.none.fl_str_mv Fernandez Gallego, Jose Armando
dc.subject.armarc.none.fl_str_mv Ensayo Cometa - Conteo de Células
Aprendizaje de máquinas
topic Ensayo Cometa - Conteo de Células
Aprendizaje de máquinas
Procesamiento digital de imágenes
Inteligencia artificial
Redes neuronales convolucionales
Ensayo cometa
ADN
Digital image processing
Artificial intelligence
Convolutional neural networks
Comet assay
DNA
dc.subject.proposal.spa.fl_str_mv Procesamiento digital de imágenes
Inteligencia artificial
Redes neuronales convolucionales
Ensayo cometa
ADN
dc.subject.proposal.eng.fl_str_mv Digital image processing
Artificial intelligence
Convolutional neural networks
Comet assay
DNA
description El Ensayo Cometa, o electroforesis unicelular en gel es un método empleado para el estudio del daño de células de ácido desoxirribonucleico (ADN). Sin embargo, la evaluación de células dañadas se realiza con métodos manuales, lo cual consume demasiado tiempo y es impreciso. Por esta razón, en este trabajo se presenta un nuevo método automático para procesar y analizar imágenes del Ensayo Cometa, basado en técnicas de procesamiento de imágenes y modelos de aprendizaje automático, incluyendo Redes Neuronales Convolucionales. Se expone una investigación comparativa de cinco arquitecturas permitiendo tener una precisión con el método desarrollado de hasta 97.44%, superior a los resultados manuales, donde el Procesamiento Digital de Imágenes posibilitó lograr un mayor rendimiento. La validación de los resultados automáticos se llevó a cabo comparándolos con los resultados manuales, mostrando su rendimiento y con abilidad, gracias a lo cual es ahora utilizado como método para el estudio de los resultados del Ensayo Cometa en el Laboratorio de Biología Celular de la Pontificia Universidad Javeriana de Cali.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-04-26T21:47:36Z
dc.date.available.none.fl_str_mv 2024-04-26T21:47:36Z
dc.date.issued.none.fl_str_mv 2024
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Acosta Franco, J.E. & Quiroga Rodríguez, J. F. (2024). Clasificación y Conteo de Células del Ensayo Cometa usando Procesamiento Digital de Imágenes y Aprendizaje de Máquinas. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4177
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12313/4177
identifier_str_mv Acosta Franco, J.E. & Quiroga Rodríguez, J. F. (2024). Clasificación y Conteo de Células del Ensayo Cometa usando Procesamiento Digital de Imágenes y Aprendizaje de Máquinas. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4177
url https://hdl.handle.net/20.500.12313/4177
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv "Enfermedades no transmisibles - ops/oms | organización panamericana de la salud." [Online]. Available: https://www.paho.org/es/temas/enfermedades-no-transmisibles
"Infografías cáncer en cifras inc - instituto nacional de cancerología." [Online]. Available: https://www.cancer.gov.co/portafolio-1/salud-publica/grupos/ grupo-vigilancia-epidemiologica-del-cancer/infogra as-cancer-cifras-inc
"Cáncer." [Online]. Available: https://www.minsalud.gov.co/salud/publica/PENT/ Paginas/Prevenciondel-cancer.aspx
C. Bernstein, A. R. Prasad, V. Nfonsam, H. Bernstein, C. Bernstein, A. R. Prasad, V. Nfonsam, and H. Bernstein, "Dna damage, dna repair and cancer," New Research Directions in DNA Repair, 5 2013. [Online]. Available: https: //www.intechopen.com/chapters/43929unde ned/chapters/43929
M. Klaude, S. Eriksson, J. Nygren, and G. Ahnstrijm, "The comet assay: mechanisms and technical considerations," DNA Repair Mutation Research, vol. 363, pp. 89-96, 1996.
A. R. Collins, "Comet assay for dna damage and repair 249 review 249 abstract the comet assay for dna damage and repair principles, applications, and limitations," MOLECULAR BIOTECHNOLOGY, vol. 26, 2004.
M. Dusinska and A. R. Collins, "The comet assay in human biomonitoring: gene-environment interactions, Mutagenesis," vol. 23, pp. 191-205, 5 2008. [Online]. Available: https://pubmed.ncbi.nlm.nih.gov/18326867/
D. W. Fairbairn, P. L. Olive, and K. L. O'neill, "The comet assay: a comprehensive review," Mutation Research, vol. 339, pp. 37-59, 1995.
A. N. Jha, "Ecotoxicological applications and significance of the comet assay," Mutagenesis, vol. 23, pp. 207-221, 2008. [Online]. Available: https://academic.oup. com/mutage/article/23/3/207/1236023
D. Anderson, T.-W. Yu, and D. B. Mcgregor, "Comet assay responses as indicators of carcinogen exposure," Mutagenesis, vol. 13, pp. 539-555, 1998. [Online]. Available: https://academic.oup.com/mutage/article/13/6/539/1044063
E. I. Cortés-Gutiérrez, M. I. Dávila-Rodríguez, J. L. Fernández, C. López-Fernández, A. Gosálbez, and J. Gosálvez, "New application of the comet assay: Chromosome-comet assay," Journal of Histochemistry and Cytochemistry, vol. 59, pp. 655-660, 2011. [Online]. Available: http://jhc.sagepub.com
J. Ashby, H. Tinwell, P. A. Lefevre, and M. A. Browne, "The single cell gel electrophoresis assay for induced dna damage (comet assay): measurement of tail length and moment," Mutagenesis, vol. 10, pp. 85-90, 3 1995. [Online]. Available: https://dx.doi.org/10.1093/mutage/10.2.85
T. S. Kumaravel, B. Vilhar, S. P. Faux, and A. N. Jha, "Comet assay measurements: A perspective," Cell Biology and Toxicology, vol. 25, pp. 53-64, 2 2009.
E. E. Bankoglu, G. Kodandaraman, and H. Stopper, "A systematic review of the use of the alkaline comet assay for genotoxicity studies in human colon-derived cells," 2018. [Online]. Available: https://doi.org/10.1016/j.mrgentox.2018.10.008
A. C. F. Souza, V. Q. Yujra, L. P. Pisani, M. D. B. Viana, G. M. de Castro, and D. A. Ribeiro, "The use of single-cell comet assay on oral cells: A critical review," Anticancer Research, vol. 39, pp. 4011-4017, 8 2019. [Online]. Available: https://ar.iiarjournals.org/content/39/8/4011https: //ar.iiarjournals.org/content/39/8/4011.abstract
G. Vidya, V. Gladwin, and P. Chand, "A comprehensive review on clinical applications of comet assay," Journal of Clinical and Diagnostic Research : JCDR, vol. 9, p. GE01, 3 2015. [Online]. Available: /pmc/articles/PMC4413081//pmc/articles/PMC4413081/ ?report=abstracthttps://www.ncbi.nlm.nih.gov/pmc/articles/PMC4413081/
P. L. Olive and J. P. Banáth, "The comet assay: a method to measure dna damage in individual cells," Nature protocols, vol. 1, pp. 23-29, 6 2006. [Online]. Available: https://pubmed.ncbi.nlm.nih.gov/17406208/
J. Serra, "M mathematical morphology," 2022. [Online]. Available: https: //doi.org/10.1007/978-3-030-26050-7_22-2
C. Lantuejoul and F. Maisonneuve, "Geodesic methods in quantitative image analysis," Pattern Recognition, vol. 17, pp. 177-187, 1 1984.
L. U. Vincent, "Morphological gray scale reconstruction in image analysis: Applications and efficient algorithms," pp. 1-93, 1993.
N. OTSU, "A threshold selection method from gray-level histograms," p. 5, 1979. [Online]. Available: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4310076
"Pixel connectivity." [Online]. Available: https://www.mathworks.com/help/images/ pixel-connectivity.html
"One hot encoding." [Online]. Available: https://interactivechaos.com/es/manual/ tutorial-de-machine-learning/one-hot-encoding
S. Yadav, "A gentle introduction to convolutional neural networks," Medium, 2020.
O. Ronneberger, P. Fischer, and T. Brox, "U-net: Convolutional networks for biomedical image segmentation," 5 2015. [Online]. Available: http://arxiv.org/abs/1505.04597
Z. Zhou, M. M. R. Siddiquee, N. Tajbakhsh, and J. Liang, "Unet++: A nested u-net architecture for medical image segmentation," arXiv, 2018. [Online]. Available: https://arxiv.org/abs/1807.10165
L.-C. Chen, Y. Zhu, G. Papandreou, F. Schrof, and H. Adam, "Encoder-decoder with atrous separable convolution for semantic image segmentation," arXiv, 2018. [Online]. Available: https://arxiv.org/abs/1802.02611
A. Chaurasia and E. Culurciello, "Linknet: Exploiting encoder representations for efficient semantic segmentation," arXiv, 2017. [Online]. Available: https: //arxiv.org/abs/1707.03718
H. Li, P. Xiong, J. An, and L. Wang, "Pyramid attention network for semantic segmentation," arXiv, 2018. [Online]. Available: https://arxiv.org/abs/1805.10180
K. He, X. Zhang, S. Ren, and J. Sun, "Deep residual learning for image recognition," 12 2015. [Online]. Available: http://arxiv.org/abs/1512.03385
W. Backer, W. Rolf, T. Bauch, W.-U. Muller, and C. Streffer, "Automated comet assay analysis," 1999.
B. M. Gyori, G. Venkatachalam, P. S. Thiagarajan, D. Hsu, and M. V. Clement, "Opencomet: An automated tool for comet assay image analysis," Redox Biology, vol. 2, pp. 457-465, 2014.
P. R. Barber, B. Vojnovic, J. Kelly, C. R. Mayes, P. Boulton, M. Woodcock, and M. C. Joiner, "Automated counting of mammalian cell colonies institute of physics publishing physics in medicine automated counting of mammalian cell colonies," pp. 63-76, 2001. [Online]. Available: http://iopscience.iop.org/0031-9155/46/1/305www. iop.org/Journals/pbPII:S0031-9155
P. R. Barber, J. Kelly, C. R. Mayes, P. Boulton, M. Woodcock, and M. C. Joiner, "An automated colony counter utilising a compact hough transform," 2003.
C. Helma and M. Uhl, "A public domain image-analysis program for the single-cell / gel-electrophoresis comet assay," pp. 9-15, 2000. [Online]. Available: www.elsevier.comrlocatergentoxCommunityaddress:www.elsevier.comrlocatermutres
T. Lee, S. Lee, W. Y. Sim, Y. M. Jung, S. Han, J. H. Won, H. Min, and S. Yoon, "Hicomet: A high-throughput comet analysis tool for large-scale dna damage assessment, " BMC Bioinformatics, vol. 19, 2 2018.
K. Konca, A. Lankoff, A. Banasik, H. Lisowska, T. Kuszewski, S. Gó¹d¹, Z. Koza, and A. Wojcik, "A cross-platform public domain pc image-analysis program for the comet assay," Mutation Research/Genetic Toxicology and Environmental Mutagenesis, vol. 534, no. 1-2, pp. 15-20, 2003.
A. Palit, P. Talukdar, K. Gupta, and S. N. Talapatra, "Cell profiler software: An easy screening tool for dna damage estimation in fish erythrocytes from comet assay image," 2016. [Online]. Available: www.worldscienti cnews.com
J. E. Gonzýlez, I. Romero, J. F. Barquinero, and O. GarcÃa, "Automatic analysis of silver-stained comets by cellprofiler software," Mutation Research - Genetic Toxicology and Environmental Mutagenesis, vol. 748, pp. 60-64, 10 2012.
J. G. Robison, L. Lu, K. Dixon, and J. J. Bissler, "Dna lesion-speci c co-localization of the mre11/rad50/nbs1 (mrn) complex and replication protein a (rpa) to repair foci," Journal of Biological Chemistry, vol. 280, pp. 12 927-12 934, 4 2005.
A. Beleon, S. Pignatta, C. Arienti, A. Carbonaro, P. Horvath, G. Martinelli, G. Castellani, A. Tesei, and F. Piccinini, "Cometanalyser: A user-friendly, open-source deep-learning microscopy tool for quantitative comet assay analysis," Computational and Structural Biotechnology Journal, vol. 20, pp. 4122-4130, 1 2022.
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.extent.none.fl_str_mv 111 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv Ingeniería
dc.publisher.place.none.fl_str_mv Ibagué
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
publisher.none.fl_str_mv Universidad de Ibagué
institution Universidad de Ibagué
bitstream.url.fl_str_mv https://repositorio.unibague.edu.co/bitstreams/b82ae1c5-9128-45af-a8f4-8f1b8de020f7/download
https://repositorio.unibague.edu.co/bitstreams/1239b602-1c95-495a-8172-918a0509a87b/download
https://repositorio.unibague.edu.co/bitstreams/7568345b-dc18-48db-8cda-4fff4e64eafe/download
https://repositorio.unibague.edu.co/bitstreams/a4cc77e5-4196-4278-b77b-22dfbb5f68a4/download
https://repositorio.unibague.edu.co/bitstreams/ec579fc3-79e9-41d2-9cfa-bd50184d379e/download
https://repositorio.unibague.edu.co/bitstreams/3edb1cea-f67c-4375-a9b9-7c2d5128572e/download
https://repositorio.unibague.edu.co/bitstreams/3c381055-9193-450b-94c1-2f9706755522/download
https://repositorio.unibague.edu.co/bitstreams/8ccd58cc-b1df-46a7-ae95-c62fe2ae2bce/download
bitstream.checksum.fl_str_mv 254810fee56e8881b54d5a1c7d9ae1f9
201c82e7a7e743c8e4a34cca53129062
b641a574cf28fd4e263eda6acbfaae34
a5072d0fcc2e52764f1c24ee38a81b13
2fa3e590786b9c0f3ceba1b9656b7ac3
dd1a63d636d67902c2dba390eb0752f3
438b8ae0cb443d1df64013c6e1b3af57
6aadd294883b2b1ac1dcc26ab33265af
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814204078917419008
spelling Forero Vargas, Manuel Guillermo187e7d0d-8326-49bc-8824-d0c7660437b7-1Acosta Franco, Juan Estebanf4b66dfe-4cca-46ce-b904-185d9ce0a0fd-1Quiroga Rodríguez, Juan Felipea93d9047-eb87-4a40-83c7-507a1e552b16-1Fernandez Gallego, Jose Armando8d900ec2-ccd1-4f96-9fd8-5dec92e78194-12024-04-26T21:47:36Z2024-04-26T21:47:36Z2024El Ensayo Cometa, o electroforesis unicelular en gel es un método empleado para el estudio del daño de células de ácido desoxirribonucleico (ADN). Sin embargo, la evaluación de células dañadas se realiza con métodos manuales, lo cual consume demasiado tiempo y es impreciso. Por esta razón, en este trabajo se presenta un nuevo método automático para procesar y analizar imágenes del Ensayo Cometa, basado en técnicas de procesamiento de imágenes y modelos de aprendizaje automático, incluyendo Redes Neuronales Convolucionales. Se expone una investigación comparativa de cinco arquitecturas permitiendo tener una precisión con el método desarrollado de hasta 97.44%, superior a los resultados manuales, donde el Procesamiento Digital de Imágenes posibilitó lograr un mayor rendimiento. La validación de los resultados automáticos se llevó a cabo comparándolos con los resultados manuales, mostrando su rendimiento y con abilidad, gracias a lo cual es ahora utilizado como método para el estudio de los resultados del Ensayo Cometa en el Laboratorio de Biología Celular de la Pontificia Universidad Javeriana de Cali.The Comet Assay, or single-cell gel electrophoresis, is a method widely employed for studying DNA damage in cells. However, the assessment of damaged cells is traditionally performed using manual methods, which are time-consuming and imprecise. To address this challenge, this work presents a novel automatic method for processing and analyzing Comet Assay images, based on image processing techniques and machine learning models, including Convolutional Neural Networks (CNNs). A comparative study of five different CNN architectures is conducted, achieving an accuracy of up to 97.44% with the developed method, which outperforms manual results. Digital Image Processing techniques were key to achieving this high performance. The validation of the automatic results was carried out by comparing them with manual scores, demonstrating the efficiency and reliability of the proposed method. Consequently, it is now being used as a standard method for studying Comet Assay results in the Cell Biology Laboratory at the Pontificia Universidad Javeriana Cali.PregradoIngeniero ElectrónicoIntroducción 1 1 Objetivos 4 1.1 Objetivo General . . . . . 4 1.2 Objetivos Especícos . . . . . 4 2 Marco Teórico 5 2.1 Ensayo Cometa . . . . . 5 2.1.1 Desarrollo del método . . . . . 5 2.1.1.1 Variaciones del método . . . . . 6 2.1.2 Aplicaciones del método . . . . . 7 2.1.3 Limitaciones del método . . . . . 7 2.2 Procesamiento Digital de Imágenes . . . . . 8 2.2.1 Reconstrucción morfológica en escala de grises . . . . . 8 2.2.2 Extracción de máximos regionales y domos . . . . . 8 2.2.2.1 h-domos y h-cuencas . . . . . 9 2.2.3 Ground Truth (Verdad de referencia o máscara) . . . . . 9 2.2.4 Binarización . . . . . 10 2.2.5 8-conectividad . . . . . 10 2.2.6 Intersección sobre la Unión IoU . . . . . 11 2.3 Aprendizaje de Máquinas . . . . . 12 2.3.1 One Hot Encoding . . . . . 12 2.3.2 Codicador Decodicador . . . . . 13 2.3.3 Segmentación Semántica . . . . . 13 2.3.4 Redes Neuronales Convolucionales . . . . . 14 2.3.4.1 U-Net . . . . . 14 2.3.4.2 UNet++ . . . . . 15 2.3.4.3 DeepLabV3+ . . . . . 16 2.3.4.4 LinkNet . . . . . 18 2.3.4.5 PAN . . . . . 20 2.3.4.6 ResNet . . . . . 21 2.3.4.7 SAM . . . . . 22 2.3.5 Algoritmos de Aprendizaje Supervisado . . . . . 23 2.3.6 Algoritmos de Aprendizaje No Supervisado . . . . . 24 2.3.7 Aprendizaje por Refuerzo y Agentes Inteligentes . . . . . 24 2.3.8 Extracción de características . . . . . 24 2.3.9 Evaluación y Validación . . . . . 24 2.3.10 Desafíos y Futuro del Aprendizaje de Máquinas . . . . . 24 3 Estado del arte 25 3.1 Técnicas de vanguardia . . . . . 25 3.1.1 Sistemas Automáticos: . . . . . 25 3.1.2 Sistemas Semi-Automáticos: . . . . . 26 3.2 Herramientas disponibles . . . . . 27 4 Materiales y Métodos 29 4.1 Materiales . . . . . 29 4.1.1 Imágenes Ground Truth . . . . . 30 4.1.2 Proceso de obtención de imágenes "Ground Truth" . . . . . 30 4.1.2.1 Marcación de cabezas . . . . . 30 4.1.2.2 Marcación de colas . . . . . 32 4.2 Metodología . . . . . 33 4.2.1 Selección del Modelo . . . . . 35 4.2.1.1 Fase 1 . . . . . 39 4.2.1.2 Fase 2 . . . . . 41 4.2.1.3 Fase 3 . . . . . 42 4.2.1.4 Aumentación de Datos . . . . . 42 4.2.2 Funcionamiento del programa . . . . . 43 4.2.2.1 Bloque 1 . . . . . 43 4.2.2.2 Bloque 2 . . . . . 43 4.2.2.3 Bloque 3 . . . . . 44 5 Resultados 45 5.1 Entrenamientos . . . . . 45 5.2 SAM . . . . . 46 5.3 Validación de las imágenes predichas por el modelo con las imágenes Ground Truth . . . . . 48 5.4 Validaciones de las máscaras de los investigadores con la imagen Ground Truth. . . . . 52 5.5 Validaciones de las máscaras de los investigadores y la imagen Ground Truth con la máscara predicha . . . . . 52 5.6 Funcionamiento del programa . . . . . 52 5.7 Comparación del método con OpenComet . . . . . 53 5.7.1 Ejemplo 1 . . . . . 54 5.7.2 Ejemplo 2 . . . . . 54 5.7.3 Ejemplo 3 . . . . . 54 6 Discusión y limitaciones 55 6.1 Discusión . . . . . 55 6.1.1 Fase 1 . . . . . 55 6.1.2 Fase 2 . . . . . 56 6.1.3 Fase 3 . . . . . 57 6.1.4 Aumentación de Datos . . . . . 57 6.1.5 SAM . . . . . 58 6.1.6 Validación IoU de las imágenes Ground Truth y las imágenes predichas por el modelo . . . . . 58 6.1.7 Validación de las imágenes (Estudiantes, Ground Truth y Modelo) . . . . . 58 6.1.7.1 Comparación de las máscaras de los estudiantes con la ima- gen Ground Truth . . . . . 58 6.1.7.2 Comparación de las máscaras de los estudiantes y la imagen Ground Truth con la imagen predicha por el modelo . . . . . 59 6.1.8 Respuesta del funcionamiento del programa . . . . . 59 6.1.9 Consideraciones y diferencias entre el método desarrollado y la alter- nativa preexistente . . . . . 60 6.2 Limitaciones . . . . . 61 7 Conclusiones y Recomendaciones. . . . . 62 7.1 Conclusiones . . . . . 62 7.2 Recomendaciones . . . . . 63 7.3 Aportes . . . . . 63 Referencias Bibliográcas. . . . . 63 A1 Anexos: Grácas Resultados de los Entrenamientos. . . . . 68 A2 Anexos: Imágenes de los Resultados de las Redes Entrenadas. . . . . 81 A3 Anexos: Imágenes Resultados Validaciones de las imágenes Ground Truth y las Máscaras Predichas. . . . . 94 A4 Anexos: Ejemplos Resultados del Programa. . . . . 97 A5 Anexos: Manual de Usuario. . . . . 99 A5.1 Manual de Usuario (CometScanner) . . . . . 99 A5.1.1 Introducción . . . . . 99 A5.1.1.1 Descripción . . . . . 99 A5.1.1.2 Propósito . . . . . 100 A5.1.2 Versiones de Software Necesarias . . . . . 100 A5.1.2.1 Python . . . . . 100 A5.1.2.2 Bibliotecas de Python . . . . . 100 A5.1.3 Disponibilidad en Repositorio de GitHub . . . . . 100 A5.1.4 Procedimiento de Inicio . . . . . 101 A5.1.5 Interfaz de Usuario . . . . . 101 A5.1.6 Instrucciones de Uso . . . . . 101 A5.1.6.1 Selección de Archivos de Entrada . . . . . 101 A5.1.6.2 Conguración de Parámetros . . . . . 102 A5.1.6.3 Procesamiento de la Imagen . . . . . 103 A5.1.6.4 Resultados Generados . . . . . 104 A5.1.6.5 Guardar Resultados . . . . . 106 A5.1.6.6 Contenido del Archivo TIFF . . . . . 107 A5.1.6.7 Contenido del Archivo Excel . . . . . 108 A5.1.6.8 Mensaje de Conrmación . . . . . 108 A5.1.6.9 Proceso Concluido . . . . . 108 A5.1.6.10Procesamiento de Imágenes Adicionales . . . . . 109 A5.1.6.11Videos de Soporte . . . . . 109 A5.1.7 Solución de Problemas . . . . . 109 A5.1.7.1 Ejecución sin importar imagen y selección de carpeta sin im- portar imagen . . . . . 109 A5.1.8 FAQ (Preguntas frecuentes) . . . . . 111 A5.1.9 Glosario . . . . . 111 A5.1.10Recursos adicionales . . . . . 111111 páginasapplication/pdfAcosta Franco, J.E. & Quiroga Rodríguez, J. F. (2024). Clasificación y Conteo de Células del Ensayo Cometa usando Procesamiento Digital de Imágenes y Aprendizaje de Máquinas. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4177https://hdl.handle.net/20.500.12313/4177spaUniversidad de IbaguéIngenieríaIbaguéIngeniería Electrónica"Enfermedades no transmisibles - ops/oms | organización panamericana de la salud." [Online]. Available: https://www.paho.org/es/temas/enfermedades-no-transmisibles"Infografías cáncer en cifras inc - instituto nacional de cancerología." [Online]. Available: https://www.cancer.gov.co/portafolio-1/salud-publica/grupos/ grupo-vigilancia-epidemiologica-del-cancer/infogra as-cancer-cifras-inc"Cáncer." [Online]. Available: https://www.minsalud.gov.co/salud/publica/PENT/ Paginas/Prevenciondel-cancer.aspxC. Bernstein, A. R. Prasad, V. Nfonsam, H. Bernstein, C. Bernstein, A. R. Prasad, V. Nfonsam, and H. Bernstein, "Dna damage, dna repair and cancer," New Research Directions in DNA Repair, 5 2013. [Online]. Available: https: //www.intechopen.com/chapters/43929unde ned/chapters/43929M. Klaude, S. Eriksson, J. Nygren, and G. Ahnstrijm, "The comet assay: mechanisms and technical considerations," DNA Repair Mutation Research, vol. 363, pp. 89-96, 1996.A. R. Collins, "Comet assay for dna damage and repair 249 review 249 abstract the comet assay for dna damage and repair principles, applications, and limitations," MOLECULAR BIOTECHNOLOGY, vol. 26, 2004.M. Dusinska and A. R. Collins, "The comet assay in human biomonitoring: gene-environment interactions, Mutagenesis," vol. 23, pp. 191-205, 5 2008. [Online]. Available: https://pubmed.ncbi.nlm.nih.gov/18326867/D. W. Fairbairn, P. L. Olive, and K. L. O'neill, "The comet assay: a comprehensive review," Mutation Research, vol. 339, pp. 37-59, 1995.A. N. Jha, "Ecotoxicological applications and significance of the comet assay," Mutagenesis, vol. 23, pp. 207-221, 2008. [Online]. Available: https://academic.oup. com/mutage/article/23/3/207/1236023D. Anderson, T.-W. Yu, and D. B. Mcgregor, "Comet assay responses as indicators of carcinogen exposure," Mutagenesis, vol. 13, pp. 539-555, 1998. [Online]. Available: https://academic.oup.com/mutage/article/13/6/539/1044063E. I. Cortés-Gutiérrez, M. I. Dávila-Rodríguez, J. L. Fernández, C. López-Fernández, A. Gosálbez, and J. Gosálvez, "New application of the comet assay: Chromosome-comet assay," Journal of Histochemistry and Cytochemistry, vol. 59, pp. 655-660, 2011. [Online]. Available: http://jhc.sagepub.comJ. Ashby, H. Tinwell, P. A. Lefevre, and M. A. Browne, "The single cell gel electrophoresis assay for induced dna damage (comet assay): measurement of tail length and moment," Mutagenesis, vol. 10, pp. 85-90, 3 1995. [Online]. Available: https://dx.doi.org/10.1093/mutage/10.2.85T. S. Kumaravel, B. Vilhar, S. P. Faux, and A. N. Jha, "Comet assay measurements: A perspective," Cell Biology and Toxicology, vol. 25, pp. 53-64, 2 2009.E. E. Bankoglu, G. Kodandaraman, and H. Stopper, "A systematic review of the use of the alkaline comet assay for genotoxicity studies in human colon-derived cells," 2018. [Online]. Available: https://doi.org/10.1016/j.mrgentox.2018.10.008A. C. F. Souza, V. Q. Yujra, L. P. Pisani, M. D. B. Viana, G. M. de Castro, and D. A. Ribeiro, "The use of single-cell comet assay on oral cells: A critical review," Anticancer Research, vol. 39, pp. 4011-4017, 8 2019. [Online]. Available: https://ar.iiarjournals.org/content/39/8/4011https: //ar.iiarjournals.org/content/39/8/4011.abstractG. Vidya, V. Gladwin, and P. Chand, "A comprehensive review on clinical applications of comet assay," Journal of Clinical and Diagnostic Research : JCDR, vol. 9, p. GE01, 3 2015. [Online]. Available: /pmc/articles/PMC4413081//pmc/articles/PMC4413081/ ?report=abstracthttps://www.ncbi.nlm.nih.gov/pmc/articles/PMC4413081/P. L. Olive and J. P. Banáth, "The comet assay: a method to measure dna damage in individual cells," Nature protocols, vol. 1, pp. 23-29, 6 2006. [Online]. Available: https://pubmed.ncbi.nlm.nih.gov/17406208/J. Serra, "M mathematical morphology," 2022. [Online]. Available: https: //doi.org/10.1007/978-3-030-26050-7_22-2C. Lantuejoul and F. Maisonneuve, "Geodesic methods in quantitative image analysis," Pattern Recognition, vol. 17, pp. 177-187, 1 1984.L. U. Vincent, "Morphological gray scale reconstruction in image analysis: Applications and efficient algorithms," pp. 1-93, 1993.N. OTSU, "A threshold selection method from gray-level histograms," p. 5, 1979. [Online]. Available: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4310076"Pixel connectivity." [Online]. Available: https://www.mathworks.com/help/images/ pixel-connectivity.html"One hot encoding." [Online]. Available: https://interactivechaos.com/es/manual/ tutorial-de-machine-learning/one-hot-encodingS. Yadav, "A gentle introduction to convolutional neural networks," Medium, 2020.O. Ronneberger, P. Fischer, and T. Brox, "U-net: Convolutional networks for biomedical image segmentation," 5 2015. [Online]. Available: http://arxiv.org/abs/1505.04597Z. Zhou, M. M. R. Siddiquee, N. Tajbakhsh, and J. Liang, "Unet++: A nested u-net architecture for medical image segmentation," arXiv, 2018. [Online]. Available: https://arxiv.org/abs/1807.10165L.-C. Chen, Y. Zhu, G. Papandreou, F. Schrof, and H. Adam, "Encoder-decoder with atrous separable convolution for semantic image segmentation," arXiv, 2018. [Online]. Available: https://arxiv.org/abs/1802.02611A. Chaurasia and E. Culurciello, "Linknet: Exploiting encoder representations for efficient semantic segmentation," arXiv, 2017. [Online]. Available: https: //arxiv.org/abs/1707.03718H. Li, P. Xiong, J. An, and L. Wang, "Pyramid attention network for semantic segmentation," arXiv, 2018. [Online]. Available: https://arxiv.org/abs/1805.10180K. He, X. Zhang, S. Ren, and J. Sun, "Deep residual learning for image recognition," 12 2015. [Online]. Available: http://arxiv.org/abs/1512.03385W. Backer, W. Rolf, T. Bauch, W.-U. Muller, and C. Streffer, "Automated comet assay analysis," 1999.B. M. Gyori, G. Venkatachalam, P. S. Thiagarajan, D. Hsu, and M. V. Clement, "Opencomet: An automated tool for comet assay image analysis," Redox Biology, vol. 2, pp. 457-465, 2014.P. R. Barber, B. Vojnovic, J. Kelly, C. R. Mayes, P. Boulton, M. Woodcock, and M. C. Joiner, "Automated counting of mammalian cell colonies institute of physics publishing physics in medicine automated counting of mammalian cell colonies," pp. 63-76, 2001. [Online]. Available: http://iopscience.iop.org/0031-9155/46/1/305www. iop.org/Journals/pbPII:S0031-9155P. R. Barber, J. Kelly, C. R. Mayes, P. Boulton, M. Woodcock, and M. C. Joiner, "An automated colony counter utilising a compact hough transform," 2003.C. Helma and M. Uhl, "A public domain image-analysis program for the single-cell / gel-electrophoresis comet assay," pp. 9-15, 2000. [Online]. Available: www.elsevier.comrlocatergentoxCommunityaddress:www.elsevier.comrlocatermutresT. Lee, S. Lee, W. Y. Sim, Y. M. Jung, S. Han, J. H. Won, H. Min, and S. Yoon, "Hicomet: A high-throughput comet analysis tool for large-scale dna damage assessment, " BMC Bioinformatics, vol. 19, 2 2018.K. Konca, A. Lankoff, A. Banasik, H. Lisowska, T. Kuszewski, S. Gó¹d¹, Z. Koza, and A. Wojcik, "A cross-platform public domain pc image-analysis program for the comet assay," Mutation Research/Genetic Toxicology and Environmental Mutagenesis, vol. 534, no. 1-2, pp. 15-20, 2003.A. Palit, P. Talukdar, K. Gupta, and S. N. Talapatra, "Cell profiler software: An easy screening tool for dna damage estimation in fish erythrocytes from comet assay image," 2016. [Online]. Available: www.worldscienti cnews.comJ. E. Gonzýlez, I. Romero, J. F. Barquinero, and O. GarcÃa, "Automatic analysis of silver-stained comets by cellprofiler software," Mutation Research - Genetic Toxicology and Environmental Mutagenesis, vol. 748, pp. 60-64, 10 2012.J. G. Robison, L. Lu, K. Dixon, and J. J. Bissler, "Dna lesion-speci c co-localization of the mre11/rad50/nbs1 (mrn) complex and replication protein a (rpa) to repair foci," Journal of Biological Chemistry, vol. 280, pp. 12 927-12 934, 4 2005.A. Beleon, S. Pignatta, C. Arienti, A. Carbonaro, P. Horvath, G. Martinelli, G. Castellani, A. Tesei, and F. Piccinini, "Cometanalyser: A user-friendly, open-source deep-learning microscopy tool for quantitative comet assay analysis," Computational and Structural Biotechnology Journal, vol. 20, pp. 4122-4130, 1 2022.info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)https://creativecommons.org/licenses/by-nc-nd/4.0/Ensayo Cometa - Conteo de CélulasAprendizaje de máquinasProcesamiento digital de imágenesInteligencia artificialRedes neuronales convolucionalesEnsayo cometaADNDigital image processingArtificial intelligenceConvolutional neural networksComet assayDNAClasificación y conteo de células del Ensayo Cometa usando procesamiento digital de imágenes y aprendizaje de máquinasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationTEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain102435https://repositorio.unibague.edu.co/bitstreams/b82ae1c5-9128-45af-a8f4-8f1b8de020f7/download254810fee56e8881b54d5a1c7d9ae1f9MD55Autorización para publicación.pdf.txtAutorización para publicación.pdf.txtExtracted texttext/plain3626https://repositorio.unibague.edu.co/bitstreams/1239b602-1c95-495a-8172-918a0509a87b/download201c82e7a7e743c8e4a34cca53129062MD57THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg7568https://repositorio.unibague.edu.co/bitstreams/7568345b-dc18-48db-8cda-4fff4e64eafe/downloadb641a574cf28fd4e263eda6acbfaae34MD56Autorización para publicación.pdf.jpgAutorización para publicación.pdf.jpgGenerated Thumbnailimage/jpeg15394https://repositorio.unibague.edu.co/bitstreams/a4cc77e5-4196-4278-b77b-22dfbb5f68a4/downloada5072d0fcc2e52764f1c24ee38a81b13MD58LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/ec579fc3-79e9-41d2-9cfa-bd50184d379e/download2fa3e590786b9c0f3ceba1b9656b7ac3MD54ORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf104850888https://repositorio.unibague.edu.co/bitstreams/3edb1cea-f67c-4375-a9b9-7c2d5128572e/downloaddd1a63d636d67902c2dba390eb0752f3MD51Anexos.rarAnexos.rarapplication/octet-stream2782275https://repositorio.unibague.edu.co/bitstreams/3c381055-9193-450b-94c1-2f9706755522/download438b8ae0cb443d1df64013c6e1b3af57MD52Autorización para publicación.pdfAutorización para publicación.pdfapplication/pdf174782https://repositorio.unibague.edu.co/bitstreams/8ccd58cc-b1df-46a7-ae95-c62fe2ae2bce/download6aadd294883b2b1ac1dcc26ab33265afMD5320.500.12313/4177oai:repositorio.unibague.edu.co:20.500.12313/41772024-04-27 03:00:54.073https://creativecommons.org/licenses/by-nc-nd/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=

Publicaciones similares