Title:
|
Image analysis and classification techniques for Leishmaniosis Detection; Técnicas de análisis y clasificación de imagen para la detección de párasitos de la leishmaniosis; Tecniques d'analisi i classificació d'imatge per la detecció de paràsits de la leishmaniosi
|
Author:
|
Limon Jacques, Sofia Melissa
|
Other authors:
|
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions; Sayrol Clols, Elisa |
Abstract:
|
Leishmaniosis is considered a neglected disease that causes thousands of deaths annually in some countries, specially tropical and subtropical countries. It is caused by protozoa of the genus Leishmania spp., which develop their life cycle between a vertebrate host and an invertebrate vector that transmits the disease. There are various techniques to diagnose leishmaniosis of which manual microscopy is considered to be the standard. There is a need for the development of automatic techniques that are able to detect leishmania parasites in a robust and unsupervised manner. In this document we present and compare two different procedures for automatizing the detection process. The first one uses conventional image processing methods that have been around for some time but are known to be robust in the field. The second one is linked to a more recent and evolving technology called deep learning, and has proven to deliver outstanding results. |
Abstract:
|
La leishmaniosis se considera una enfermedad desatendida que causa miles de muertes anuales en algunos países, especialmente tropicales y subtropicales. Es causada por protozoos del género Leishmania spp., que desarrollan su ciclo de vida entre un huésped vertebrado y un vector invertebrado que transmite la enfermedad. Existen varias técnicas para diagnosticar la leishmaniosis de las que la microscopía manual se considera el estándar. Existe la necesidad de desarrollar técnicas automáticas que sean capaces de detectar el parásito de leishmaniosis de una manera robusta y sin supervisión. En este documento presentamos y comparamos dos procedimientos diferentes para automatizar el proceso de detección. El primero utiliza métodos de procesamiento de imágenes convencionales que no son nuevos, pero que han demostrado ser robustos en el campo de la medicina. El segundo está vinculado a una tecnología más reciente y en evolución vinculada a aprendizaje profundo (Deep Learning), que se ha declarado como revolucionaria en el mundo de visión para computadores. |
Abstract:
|
La leishmaniosi es considera una malaltia desatesa que causa milers de morts anuals en alguns països, especialment en països tropicals i subtropicals. És causada pel protozou del gènere Leishmània spp., que desenvolupen el seu cicle vital entre un hoste vertebrat i un vector invertebrat que transmet la malaltia. Hi ha diverses tècniques per diagnosticar la leishmaniosi, de les quals la microscòpia manual es considera estàndard. Es necessita el desenvolupament de tècniques automàtiques capaços de detectar el paràsit leishmaniosi d'una manera robusta i no supervisada. En aquest document presentem i comparem dos procediments diferents per automatitzar el procés de detecció. El primer utilitza mètodes convencionals de processament d'imatges que no són nous, però que s'han declarat com una eina robusta en el camp de la medicina. El segon està relacionat amb una tecnologia més recent i en evolució basada en tècniques d?aprenentatge profund (Deep Learning), les quals s'estan proclamant com a eines revolucionàries del món de la visió per a computadors. |
Subject(s):
|
-Àrees temàtiques de la UPC::Enginyeria de la telecomunicació -Image processing -Imaging systems in medicine -- Treatment -Neural networks (Computer science) -Leishmaniasis -image processing -segmentation -deep learning -convolutional neural networks -parasite identification -Leishmaniasis -procesado de imagen -segmentacion -clasificacion -deep learning -convolutional neural networks -identificacion de parasitos -segmentacion de celulas -Imatges -- Processament -Imatges mèdiques -- Tractament -Xarxes neuronals (Informàtica) |
Rights:
|
S'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Document type:
|
Bachelor Thesis |
Published by:
|
Universitat Politècnica de Catalunya
|
Share:
|
|