Resumen:
En los últimos años, el avance respecto a la adquisición de grandes cantidades de
imágenes de microscopía ha hecho posible que el análisis digital de imágenes desarrolle
herramientas capaces de obtener información automática, disminuyendo los tiempos y
errores en técnicas manuales. Sin embargo, el etiquetado manual de objetos en imágenes
sigue siendo una tarea que consume demasiado tiempo, especialmente en campos como
la genética, donde se requiere la supervisión de expertos. Por otra parte, en el hipocampo,
área cerebral relacionada con el aprendizaje y memoria, existen Células Progenitoras
Neurales (NPC). Estas células proliferan y luego se diferencian en tres tipos celulares en el
sistema nervioso central. El objetivo del presente trabajo fue generar etiquetas de núcleos
celulares en imágenes de microscopía de fluorescencia de manera semiautomática. Para
ello se utilizaron imágenes de NPC cultivadas in vitro provenientes de ratones adultos.
Sobre ellas se aplicó un preprocesamiento seguido de una técnica de Superpixel refinada a
partir de un proceso manual. Las técnicas empleadas fueron capaces de generar etiquetas
para entrenar con datos diversos que abarquen diferentes condiciones de iluminación y
contraste. El conjunto de datos final se compone de 22 imágenes preprocesadas y 22 sin
preprocesar. Ambos conjuntos tienen 1773 núcleos etiquetados sumando un total de 3546
etiquetas por todo el dataset. Se pretende utilizar estos resultados para entrenar redes
neuronales convolucionales para el análisis completo y automatizado del comportamiento
de proliferación y diferenciación de NPC.
