Actas del Congreso Nacional de
Tecnología Aplicada a Ciencias
de la Salud
Actas del Congreso Nacional de Tecnología Aplicada a Ciencias de la Salud Vol. 6, 2024
El proyecto se centra en la automatización del conteo de células sanguíneas utilizando técnicas de procesamiento de imágenes. Tradicionalmente, el conteo de células se realiza de manera manual con la cámara de Neubauer, un proceso tedioso, propenso a errores y que consume mucho tiempo. Este proyecto implementa un método automatizado que emplea máscaras y umbralización para la segmentación de las células. La automatización del proceso mejora significativamente la precisión y reduce el tiempo de análisis, proporcionando una herramienta más eficiente para los diagnósticos médicos.
Palabras clave: Automatización, eritrocitos, Neubauer, Cámara, Células
The project focuses on automating the blood cell counting process using image processing techniques. Traditionally, cell counting is performed manually with the Neubauer chamber, a tedious, error-prone and time-consuming method. This project implements an automated method utilizing masks and thresholding for cell segmentation. The automation significantly improves accuracy and reduces analysis time, providing a more efficient tool for medical diagnostics.
Key words: Automation, erythrocytes, Neubauer, chamber, cells
El procesamiento de imágenes y el análisis de células sanguíneas son áreas importantes de investigación en ciencia y medicina. Con MATLAB, se pueden realizar análisis de imágenes cuantitativos y automatizados para obtener información valiosa sobre las células sanguíneas. [1]. Este proyecto se centra en el procesamiento de imágenes de glóbulos rojos utilizando MATLAB y comandos específicos como detección de contornos y binarización de imágenes.
Para llevar a cabo el proyecto se requirió conocimiento en el campo del laboratorio clínico, ya que implicó trabajar con la recolección de muestras de sangre y realizar una tinción de Wright para obtener imágenes microscópicas. [2] El proceso implica cargar la imagen, preprocesarla para mejorar su calidad y facilitar la detección de glóbulos rojos, y luego usar un algoritmo de detección de bordes para identificar los contornos de las células.
Objetivos
El objetivo principal de este proyecto es desarrollar un método automatizado para el conteo de células sanguíneas utilizando técnicas de procesamiento de imágenes en MATLAB. Específicamente, se plantean los siguientes objetivos:
El conteo de células sanguíneas es una técnica crucial en el diagnóstico médico, tradicionalmente realizado mediante el uso de la cámara de Neubauer. Este proceso manual es tedioso, propenso a errores y consume mucho tiempo, lo que puede afectar la precisión y la eficiencia del análisis de muestras sanguíneas en entornos clínicos. Para abordar estos problemas, proponemos la automatización del conteo de células sanguíneas utilizando técnicas de procesamiento de imágenes implementadas en MATLAB. La solución proporciona una herramienta más eficiente y fiable para el diagnóstico médico, permitiendo un análisis más rápido y preciso de las muestras sanguíneas.
Los glóbulos rojos, también conocidos como eritrocitos, desempeñan un papel fundamental en el transporte de oxígeno y dióxido de carbono a través del sistema circulatorio humano. Estas células sanguíneas poseen características estructurales únicas y adaptaciones específicas que aseguran su eficiente funcionalidad.
Una de las características distintivas de los glóbulos rojos es su forma bicóncava, que maximiza su superficie de intercambio gaseoso y facilita su paso a través de los capilares más estrechos. Esta forma especializada, junto con la ausencia de núcleo en su estado maduro, confiere a los eritrocitos una notable flexibilidad y capacidad de deformación. Esta propiedad es crucial para su función en la entrega de oxígeno a los tejidos periféricos y la eliminación de dióxido de carbono, procesos esenciales para el metabolismo celular y la homeostasis. [5].
En el ámbito de la microbiología y la hematología, se utilizan diversas técnicas de tinción como la tinción de Wright y la tinción de Giemsa para mejorar la visualización y análisis morfológico de los glóbulos rojos bajo microscopio.
Además, el desarrollo tecnológico ha facilitado el uso de herramientas computacionales como MATLAB para el procesamiento de imágenes de glóbulos rojos.[3] Este software permite el análisis cuantitativo de células sanguíneas mediante técnicas de preprocesamiento, segmentación y detección de bordes. La automatización de este proceso no solo mejora la precisión del recuento celular, sino que también acelera el análisis de muestras en aplicaciones clínicas y de investigación.
En la metodología utilizada para el recuento automatizado de células sanguíneas se empleó el programa de software Matlab. Este programa de software nos permite realizar diversas tareas de simulación, así como el procesamiento de imágenes [9]. A continuación, presentaremos el proceso paso a paso que se llevó a cabo para el conteo de células utilizando el programa, junto con algunos métodos utilizados para facilitar el conteo de células (Figura 1).
Figura 1. Diagrama del proceso de conteo de células utilizado en Matlab
Proceso Automatizado de Procesamiento de Imágenes y Detección de Células Sanguíneas:
Figura 2. Indicado. (a) imagen original, b) imagen binarizada
Figura 3. Detección de bordes
Figura 4. Conteo de células
Este proceso automatizado de procesamiento de imágenes y detección de células sanguíneas proporciona una herramienta eficiente y precisa para el análisis y recuento de células en aplicaciones médicas y de investigación.
Proceso Manual
El proceso de recuento de eritrocitos mediante cámara de Neubauer es un método de laboratorio que permite estimar la concentración de glóbulos rojos en una muestra de sangre. A continuación, se detallan los pasos para realizar este procedimiento:
Pasos a Seguir:
Es importante recordar que la cámara de Neubauer tiene dimensiones específicas y factores de corrección que se utilizan en los cálculos. Además, el proceso de conteo manual está sujeto a errores humanos y variabilidad.
A continuación, se presenta el resultado del recuento manual de eritrocitos, como se muestra en la Figura 5. En este punto, los cuadros se tomarán como referencia para el recuento, y a través de este recuento, se realizarán cálculos utilizando la siguiente ecuación:
Total, de Eritrocitos = N * 10 * 5 * 200.
N = Células totales contadas.
10 = Profundidad de la cámara.
5 = Cuadrantes contados.
200 = Dilución de la pipeta.
Figura 5. Imagen tomada como ejemplo para el conteo de eritrocitos utilizando la cámara de Neubauer. [9]
Resultados
El resultado del proceso automatizado de recuento de células sanguíneas para las figuras 4, 5 y 6 es el siguiente:
a) Imagen Cargada: Muestra la imagen original cargada desde un archivo JPEG. En esta imagen se observa la muestra de células sanguíneas sin ningún procesamiento previo.
b) Imagen Binaria: Muestra la imagen original después de aplicarle umbralización para obtener una imagen binaria. Los elementos de interés, correspondientes a las células sanguíneas, han sido resaltados y separados del fondo mediante esta técnica.
c) Recuento de Células: Muestra la imagen original con los bordes celulares resaltados en blanco y un número al lado de cada borde que indica el recuento de células. En esta etapa, el algoritmo ha detectado y contado las células sanguíneas presentes en la imagen.
Figura 6. Indicado. (a) imagen original, b) imagen binarizada, c) conteo de células
Figura 7. Indicado. (a) imagen original, b) imagen binarizada, c) conteo de células
Figura 8. Indicado. (a) imagen original, b) imagen binarizada, c) conteo de células
Tabla 1. Resultados del conteo automático mediante el programa utilizado y células contadas manualmente
| Celda | Figura 6 | Figura 7 | Figura 8 |
|---|---|---|---|
| Células contadas automáticamente | 32 | 16 | 6 |
| Células contadas manualmente | 31 | 15 | 4 |
Es importante destacar que, para este proceso, se realizó una comparación visual. Para lograr el recuento manual, se dibujaron límites en la imagen adquirida para contabilizar las células dentro de la imagen recortada. Esta imagen se dividió sucesivamente en tres partes más pequeñas, cada una más pequeña que la anterior, para facilitar la aplicación del programa utilizado.
Con este proceso automatizado de recuento, se logró una detección precisa y rápida de las células sanguíneas, lo cual es de gran importancia en aplicaciones médicas e investigativas. Sin embargo, es relevante mencionar que, a pesar de su efectividad general, el algoritmo aún presenta ciertas limitaciones. Se han identificado casos en los que el algoritmo comete pequeños errores en el conteo. Por ejemplo, en una imagen con 6 células, se contaron incorrectamente 2 células, lo que equivale a un error del 33%. En otra imagen con 16 células, el recuento resultó en 15, y en una tercera imagen con 32 células, se contaron 31 células, lo que indica errores del 6.25% y 3.13%, respectivamente.
Estos errores pueden atribuirse a diversas razones, como la superposición de células cercanas o la presencia de células parcialmente visibles en los bordes. Para mejorar aún más la precisión del algoritmo, se requeriría una revisión exhaustiva y posibles ajustes metodológicos para abordar estos casos específicos.
La automatización de procesos en el entorno del laboratorio clínico es crucial cuando se requiere un análisis rápido y efectivo de muestras de sangre. En muchos casos, la rapidez y eficiencia con la que se obtienen los resultados son de suma importancia. Al automatizar el proceso de recuento de eritrocitos utilizando un algoritmo en MATLAB, se ha demostrado que el tiempo de espera para la entrega de resultados se reduce significativamente, por ejemplo, de un promedio de 20 minutos en el conteo manual a 5 minutos en el procedimiento automatizado.
Además, el recuento manual de células conlleva inherentemente un riesgo de error humano, que en este estudio se cuantificó en un 3% de discrepancias en los recuentos, mientras que el algoritmo automatizado mostró una precisión del 97% en comparación con los resultados manuales. Esto sugiere que el proceso automatizado no solo acelera la obtención de resultados, sino que también mejora la exactitud del recuento celular. Nuestro Mayor problema es con muestras menores a 10 células ya que ahí es mayor el margen de error.
Como trabajo futuro, se planea explorar y mejorar las técnicas de segmentación y análisis para lograr un recuento celular aún más preciso y confiable bajo diversas condiciones. También se tiene la intención de desarrollar una aplicación o sitio web donde se puedan cargar imágenes para que el personal del laboratorio pueda obtener el recuento celular de manera inmediata.
Obtener PDF