Clasificación Automática de Imágenes m-FLIM por Redes Convolucionales

Contenido principal del artículo

F. J. Sánchez-González
M. O. Rodríguez-López
D. U. Campos-Delgado
J. A. Jo

Resumen

En este trabajo se explora el uso de imágenes multi-espectrales microscópicas de tiempo de vida fluorescente (m-FLIM), pertenecientes a segmentos de arteria coronaria postmortem con arteriosclerosis, para detectar tres comportamientos en los componentes orgánicos: alto contenido de colágeno (HC), alto contenido de lípidos (HL) y bajo contenido de colágeno y lípidos (LCL). El objetivo de este trabajo es la clasificación automática de las muestras m-FLIM mediante una red neuronal convolucional cuyos parámetros se ajustan a través de la información proporcionada por las muestras puras de estos componentes bajo una filosofía supervisada. Enseguida  se realiza un estudio comparativo con un algoritmo basado en separación lineal y optimización cuadrática para la clasificación de las muestras. Los resultados muestran que la red neuronal convolucional puede generar una clasificación precisa y con baja complejidad.

Detalles del artículo

Cómo citar
Sánchez-González, F. J., Rodríguez-López, M. O., Campos-Delgado, D. U., & Jo, J. A. (2018). Clasificación Automática de Imágenes m-FLIM por Redes Convolucionales. Memorias Del Congreso Nacional De Ingeniería Biomédica, 5(1), 122–125. Recuperado a partir de https://memoriascnib.mx/index.php/memorias/article/view/599
Sección
Procesamiento de Señales e Imágenes Médicas