Implementacion de una red neuronal convolucional para la clasificación de leucocitos en un hemograma

• Autor: SERPA GARCIA, MAICKOOL ROBERT
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Superintendencia Nacional de Educación Superior Universitaria
• Repositorio: Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
• Lenguaje: español
• OAI Identifier: oai:repositorio.sunedu.gob.pe:20.500.14366/5461
• Enlace del recurso: https://hdl.handle.net/20.500.14366/5461
• Nivel de acceso: acceso abierto
• Materia: aprendizaje profundo; segmentación de imágenes; clasificación de leucocitos; diagnóstico hematológico; red neuronal convolucional; https://purl.org/pe-repo/ocde/ford#2.06.02

La implementacion de una red neuronal convolucional (RNC) para clasificar leucocitos en hemogramas es un progreso notable en el diagnóstico hematológico. Utilizando algoritmos de aprendizaje profundo, la RNC analiza imágenes de células sanguíneas para identificar y clasificar varios tipos de leucocitos, tales como, basófilos, eosinófilos, eritroblastos, linfocitos, monocitos y neutrófilos. Entrenada con un vasto conjunto de datos de células etiquetadas, la red aprende patrones y características celulares. El proceso incluye preprocesamiento de imágenes como la normalización, siguiendo la metodología CRISP-DM para preparación de datos. El desarrollo de la RNC abarca la creación, entrenamiento y ajuste de hiperparámetros, logrando una precisión del 93,9% al 99,5%. Se emplea la técnica de ventana deslizante para segmentar las imágenes y contar leucocitos, optimizando el diagnóstico. Esta integración de tecnología en la práctica clínica promete análisis de sangre más rápidos, precisos y confiables, transformando el enfoque clínico.