Biopsias de músculo de ratón

Presentación del tema: "Biopsias de músculo de ratón"— Transcripción de la presentación:

1 Biopsias de músculo de ratón
Manuel Casas Barrado Francisco Javier Andrades Delgado

2 ¿Por qué analizar las biopsias?
A partir de las biopsias del músculo humano o de ratón se pueden detectar distintas enfermedades como pueden ser las atrofias o distrofias musculares. Sin embargo, es un proceso lento y tedioso.

3 Procedimiento Biopsia Segmentación
Con el fin de automatizar el proceso se ha realizado un plugin para ImageJ capaz de segmentar una imagen de biopsia sin perder demasiada información referente a las células que componen el músculo. COMENTARIO Biopsia Segmentación

4 Objetivo del análisis Células rápidas Colágeno Células lentas

5 Procedimiento Threshold Huang Sobel Threshold Otsu H-minima
Binarización H-minima Threshold Huang Sobel Threshold Otsu

6 Separación de canales CANAL ROJO CANAL VERDE CANAL AZUL

7 Transformada H-minima
El algoritmo h-minima es muy utilizado en el ámbito matemático por su versatilidad. Con esta transformada se consigue suprimir aquellas regiones mínimas presentes en la imagen con un valor de intensidad menor a un parámetro fijado H. Canal Verde H-minima

8 Valor de H-mínima H-mínima para H = 10 H-mínima para H = 15

9 Valor de H-minima 𝐻= 2 3 × 𝐼𝑀 IM = Intensidad Media de la Imagen.
Siguiendo las indicaciones del paper y realizando multitud de pruebas, el valor de H utilizado ha sido: 𝐻= × 𝐼𝑀 Donde: IM = Intensidad Media de la Imagen.

10 Canal Verde Ecualizado
Un poco de trampa Tras la experimentación llevada a cabo con el banco de 20 imágenes, si al extraer la componente verde, se le aplica una ecualización, los resultados mejoran. Canal Verde Canal Verde Ecualizado

11 Threshold Una vez eliminados los valles mínimos, debemos binarizar la imagen para trabajar con ella y detectar las diferentes células. Para lograr este objetivo aplicamos un primer threshold de tipo Huang.

12 Sobel y Otsu Una vez obtenida una imagen binaria, resaltamos sus bordes utilizando el operador gradiente de Sobel. Obteniendo así una imagen en escala de grises, por lo que tenemos que volver a binarizar la imagen. El resultado apenas es visible, pero las células se han delimitado mejor.

13 Siguientes pasos A pesar de ser un buen resultado, aún hay pequeños desperfectos en las células, por ello, debemos aplicar una serie de clausuras.

14 Clausura La clausura es una operación morfológica compuesta, es decir, es una combinación de las operaciones dilatación y erosión. 𝐴 ∘𝐾= 𝐴 ⊕𝐾 ⊖ 𝐾 Muy útil debido a su propiedad de dualidad.

15 Nuestro algoritmo Con una serie de clausuras conseguimos eliminar pequeñas imperfecciones en las células además de unir algunas discontinuidades y eliminar el ruido producido en los pasos previos.

16 Avances Biopsia Segmentación Procesamiento

17 Avanzando hacia el futuro
Despacio pero sin pausa