Automatización del recuento diferencial de leucocitos en extendido de sangre periférica a partir de aprendizaje profundo

Abstract
Los glóbulos blancos, también conocidos como leucocitos, desempeñan un papel crucial en el sistema inmunológico, defendiendo al cuerpo contra infecciones y otras enfermedades. Debido a su importancia, el conteo de estas células es esencial para el diagnóstico y monitoreo de la salud de los pacientes. Tradicionalmente, este proceso se realiza de forma manual por profesionales de la salud, lo que puede resultar laborioso, consumir mucho tiempo y ocasionar errores en la clasificación. En este proyecto, se abordó la necesidad de facilitar el conteo mediante el uso de un modelo de Deep learning. Para ello, se desarrolló una base de datos con imágenes de dos clases de leucocitos, neutrófilos y linfocitos, en el laboratorio clínico de la Universidad Industrial de Santander, que se utilizó para entrenar algunas versiones del modelo YOLO como YOLOv8m, YOLOv8x, YOLOv11m y YOLOv11x. Después de un análisis de resultados entre las diferentes versiones, se seleccionó YOLOv8x que alcanzó una precisión del 97.27 %, lo que representa una mejora significativa en comparación con los métodos tradicionales. La solución propuesta no solo facilita la tarea de los profesionales de la salud, sino que también contribuye a obtener resultados más confiables.
Description
Keywords
Aprendizaje Profundo, Conteo de leucocitos, Detección de células
Citation