Síguenos en...

  • Facebook Page: 123760984335328
  • Twitter: inituji
  • YouTube: initchannel

Contacto







 

 

Técnicas de aprendizaje adaptativo y extracción de características en imágenes digitales para el reconocimiento automático de células sanguíneas.

Técnicas de aprendizaje adaptativo y extracción de características en imágenes digitales para el reconocimiento automático de células sanguíneas.
Área de investigación: Ingeniería visual
Estado: En progreso
Integrantes:
Inicio propuesto: 01/01/2015
Límite propuesto: 31/12/2017
Financiado por: Fundación Caixa-Castelló
Descripción:

Actualmente los contadores automáticos de células sanguíneas (citómetros de flujo) han alcanzado un alto nivel de desarrollo tecnológico y son capaces de proporcionar resultados precisos de manera eficiente. Sin embargo, no son capaces de distinguir entre la amplia variedad de subclases de leucocitos, tanto las habituales como las anómalas. Sin embargo, esta distinción es necesaria para el diagnóstico de una gran variedad de enfermedades. Las células anormales o poco frecuentes no pueden ser identificadas correctamente de manera automática. Para estos casos, se requiere la intervención manual de un hematólogo experto que debe procesar las muestras manualmente mediante un análisis visual de las muestras a través de microscopio.

En los últimos años, el diagnóstico asistido por imagen está recibiendo mucha atención y podría considerarse como el siguiente paso tecnológico en el recuento diferencial automático de células y en la clasificación de células anormales. El recuento diferencial consiste en el reconocimiento de los diferentes tipos de células anómalas de un mismo tipo de células sanguíneas, como por ejemplo los diferentes tipos de leucocitos y sus anomalías. Actualmente existen en el mercado algunos prototipos de clasificadores automáticos de células sanguíneas que se basan en el análisis digital de imágenes y que pueden afrontar la clasificación automática de varios tipos de glóbulos blancos, aunque los resultados obtenidos en la clasificación o recuento diferencial automático distan mucho de poder considerarse mínimamente aceptables para la práctica clínica. Las principales carencias de estos sistemas son la utilización de procedimientos tradicionales de segmentación y caracterización de las imágenes y de métodos cerrados de clasificación tradicionales incapaces de evolucionar y aprender de la retroalimentación que pueden proporcionar los hematólogos durante su interacción diaria con el sistema.

El principal objetivo del presente proyecto es investigar la posibilidad de incorporar técnicas de aprendizaje adaptativo a un sistema de recuento y clasificación de glóbulos blancos utilizando técnicas de análisis digital de imágenes que utilicen métodos alternativos a las tradicionales técnicas de segmentación y caracterización de objetos. De este modo, las decisiones del sistema no han de venir predefinidas por un clasificador cerrado sino que el sistema debe ser capaz de adaptar sus decisiones en función del histórico de aciertos y fallos obtenidos en la clasificación de muestras anteriores y de la información que aporta el hematólogo cada vez que el sistema clasifica una muestra errónea.

Catálogo de servicio

  Ayer tuvo lugar la presentación de los resultados de los dos proyectos seleccionados en la convocatoria "Prueba de Concepto" de 2016. Por parte del proyecto FiviPlay, Javier Traver y Mª Ángeles...
[+]
Se han publicado en el DOCV dos convocatorias de oferta pública para la selección de dos plazas de personal investigador del INIT, con contrato laboral temporal por obra y servicio...
[+]

Entrar



External job vacancies

Técnico Superior, especializado en procesamiento de imágenes usando librería gráfica OpenCV. Ubicación del trabajador: Edificio Instituto Universitarios de Investigación Avda. Severo Ochoa, 4 Parque Tecnológico de Andalucía. 29590-Málaga. Fecha límite de presentación de solicitudes: 24/03/2017 Para más información y solicitudes: http://www.uma.es/servicio-de-investigacion/noticias/ci-17-065/
[+]
El grupo VISILAB de la Universidad de Castilla-La Mancha en Ciudad Real oferta una plaza de postdoc para 1 año bajo el proyecto Europeo AIDPATH – Marie Curie Action IAPP.  Sería para trabajar en temas de clasificación y procesamiento de imágenes microscópicas. Más detalles en este enlace: link
[+]
We are seeking for two exceptional and passionate full-time Ph.D. students to work on two R&D projects jointly supervised by the University of Catania (Sicily, IT) and two involved partners (see all the details below).   The Image Processing Laboratory (IPLab) is part of the department of Mathematics and Computer Science of the
[+]