Clasificación de células espermáticas de verraco utilizando procesamiento de imágenes digitales

  1. Sánchez González, Lidia
Supervised by:
  1. Enrique Alegre Gutiérrez Director
  2. Nicolai Petkov Director

Defence university: Universidad de León

Fecha de defensa: 10 July 2007

Committee:
  1. Juan Manuel Sánchez Pérez Chair
  2. Ana Pilar González Marcos Secretary
  3. Luis Pastor Pérez Committee member
  4. Antoni Grau Saldes Committee member
  5. Ramón Ángel Fernández Díaz Committee member

Type: Thesis

Teseo: 135888 DIALNET

Abstract

En esta tesis se utilizan técnicas de procesamiento digital de imágenes para la descripción y clasificación automática de imágenes de espermatozoides de verraco, El análisis de imagen permite determinar el estado vital y acrosómico de una célula espermática sin emplear tinciones. A partir de las imágenes adquiridas de las muestras de semen, se aplican distintos métodos para realizar la segmentación, en función de los aumentos que se han utilizado en el microscopio y de si las muestras están preparadas utilizando o no tinciones. Además, se realiza un procedimiento automático que etiqueta las imágenes segmentadas según su estado vital como vivo o muerto. Como la tarea de estimar el estado vital de una célula es compleja, se define un modelo de distribución de densidad intracelular para las células vivas y se miden las desviaciones de las distribuciones de densidad intracelular obtenidas para un conjunto de células vivas y muertas respecto al modelo. Así, se permite determinar un criterio de decisión para clasificar imágenes, no consideradas hasta ahora, como vivas y muertas en función de la desviación de sus distribuciones de densidad intracelular respecto al modelo, con un error del 20.40%. Además, se realizan otros dos procedimientos para estimar la fracción de células vivas de la muestra, utilizando la misma distribución modelo: uno iterativo que estima el criterio de decisión óptimo para que los errores de cada clase se igualen y otro que emplea el método de los mínimos cuadrados. El primer método estima una fracción tal que es ±8% la fracción real. El segundo logra obtener un error absoluto respecto a la fracción estimada por los veterinarios menor que 0.25 en el 89% de las muestras. En el último método propuesto, a partir de las imágenes normalizadas de espermatozoides, se emplea Learning Vector Quantization (LVQ) para definir un número determinado de prototipos que representen cada clase. En este caso, la tasa de e