Título

Image processing for AFB segmentation in bacilloscopies of pulmonary tuberculosis diagnosis


Autor(es)

JORGE LUIS DÍAZ HUERTA; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; José Antonio Gutierrez Gnecchi; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; José Antonio Gutiérrez Gnecchi; Adriana del Carmen Téllez Anguiano; José Antonio Gutierrez Gnecchi; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; José Antonio Gutiérrez Gnecchi; José Antonio Gutiérrez Gnecchi; Adriana del Carmen Téllez Anguiano; José Antonio Gutiérrez Gnecchi; Adriana del Carmen Téllez Anguiano; Adriana del Carmen Téllez Anguiano; Jorge Luis Diaz Huerta; Miguel Ángel Fraga Aguilar; José Antonio Gutierrez Gnecchi; Sergio Arellano Calderón;

Revista

National Library of Medicine


Volumen

14(7)


Abstract

Artículo Autores Métrica Comentarios Cobertura mediática Resumen Introducción Segmentación de imágenes de bacilos Materiales y métodos Resultados y discusión Conclusión Referencias Comentarios del lector (0) Cifras Resumen La segmentación de imágenes aplicada al análisis de imágenes médicas sigue siendo una tarea crítica e importante. Aunque existen varios algoritmos de segmentación que han sido ampliamente estudiados en la literatura, estos están sujetos a problemas de segmentación como la segmentación excesiva y insuficiente, así como los bordes no cerrados. En este artículo, se presenta un método simple que combina algoritmos de segmentación conocidos. Este método se aplica para detectar bacilos acidorresistentes (BAAR) en baciloscopias utilizadas para diagnosticar la tuberculosis pulmonar (TB). Este diagnóstico se puede realizar a través de diferentes pruebas, y la más utilizada a nivel mundial es la baciloscopia por su bajo costo y efectividad. Esta técnica de diagnóstico se basa en el análisis y recuento de los bacilos en la baciloscopia observada al microscopio óptico. El método propuesto se utiliza para segmentar los bacilos en imágenes digitales de baciloscopias procesadas mediante tinción de Ziehl-Neelsen (ZN). El método propuesto es rápido, tiene un bajo costo computacional y una buena eficiencia en comparación con otros métodos. La segmentación de imágenes de bacilos se realiza mediante técnicas de procesamiento y análisis de imágenes, conceptos de probabilidad y clasificadores. En este trabajo se utiliza un clasificador bayesiano basado en un modelo de mezcla gaussiana (GMM). Los resultados de las segmentaciones se validan mediante el índice de Jaccard, que indica la eficiencia del clasificador. conceptos y clasificadores de probabilidad. En este trabajo se utiliza un clasificador bayesiano basado en un modelo de mezcla gaussiana (GMM). Los resultados de las segmentaciones se validan mediante el índice de Jaccard, que indica la eficiencia del clasificador. conceptos y clasificadores de probabilidad. En este trabajo se utiliza un clasificador bayesiano basado en un modelo de mezcla gaussiana (GMM). Los resultados de las segmentaciones se validan mediante el índice de Jaccard, que indica la eficiencia del clasificador.


Fecha

2019-08-15