| Sumario: | El análisis de células sanguíneas es una parte importante de la evaluación de la salud y la inmunidad. Hay tres componentes principales de los glóbulos rojos, los glóbulos blancos y las plaquetas. El recuento y la densidad de estas células sanguíneas se utilizan para encontrar múltiples trastornos como infecciones de la sangre como anemia, leucemia, etc. Los métodos tradicionales consumen mucho tiempo y el costo de las pruebas es alto. Por tanto, surge la necesidad de métodos automatizados que puedan detectar diferentes tipos de células sanguíneas y contar el número de células. Se propone un marco basado en una red neuronal convolucional para la detección y el recuento de las células. La red neuronal se entrena para las múltiples iteraciones y se guarda un modelo que tiene una menor pérdida de validación. Los experimentos se realizan con el fin de analizar el rendimiento del sistema de detección y los resultados con alta precisión en el recuento de células. La precisión promedio se logra al analizar las respectivas etiquetas que hay en la imagen. Se ha determinado que el valor de la precisión promedio, oscila entre el 70% y el 99,1% con un valor medio de 85,35%. El coste computacional de la propuesta fue de 0.111 segundos, procesar una imagen con dimensiones de 640 × 480 píxeles. El sistema también se puede implementar en ordenadores con CPU de bajo costo, para la creación rápida de prototipos. La eficiencia de la propuesta, para identificar y contar diferentes células sanguíneas, se puede utilizar para ayudar a los profesionales médicos a encontrar los trastornos y la toma decisiones, a partir de la identificación automática.
|
|---|