DISEÑO DE UN ALGORITMO BASADO EN SUPERPIXELES APLICADO A IMÁGENES DE HISTOPATOLOGÍA PARA LA DETECCIÓN DE NIDOS DE AMASTIGOTES

Abstract

El objetivo del estudio fue la implementación de un algoritmo basado en superpixeles para la detección de nidos de amastigotes en imágenes de histopatología cardíaca, considerando la importancia de un diagnóstico temprano de la enfermedad de Chagas para evitar las consecuencias de una enfermedad en etapa crónica. La investigación de este trabajo fue de tipo aplicada y se trabajó con 22 microfotografías de cortes histopatológicos del corazón de ratones infectados con Trypanosoma Cruzi. Para la segmentación con superpixeles, se utilizó el método Simple Linear Iterative Clustering (SLIC) debido al buen desempeño del mismo y para reducir el trabajo computacional. Con el presente trabajo, se pretendió obtener imágenes con segmentos bien definidos, con una buena agrupación por similitud de color y proximidad espacial. El algoritmo desarrollado tuvo un accuracy de 98.20% en la etapa de validación cruzada, y un accuracy promedio de 94.34% para las 6 pruebas finales realizadas. Comparando los resultados obtenidos con trabajos previos de detección de nidos de amastigotes, en los cuales se utilizaron técnicas de aprendizaje profundo con una cantidad mayor de imágenes se observaron métricas similares a las obtenidas en esta investigación. Con esto, se pudo concluir que la detección de nidos de amastigotes en imágenes de histopatología chagásica mediante algoritmos basados en superpixeles y aprendizaje computacional podría ser una alternativa al diagnóstico clásico de la enfermedad de Chagas, con la ventaja de una detección de la enfermedad en una etapa temprana.