Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diana M. Moreno
Camilo A. Riveros
Juana Moncaleano
Angel
Cruz-Roa
Universidad de los
Llanos
leandroagudelo@gmail.c
om
Universidad de los
Llanos
camiand@gmail.com
Universidad de los
Llanos
juanamoncaleano@g
mail.com
Universidad de los
Llanos
aacruz@unillanos.ed
u.co
dianam.morenoh@gmail.
com
Resumen
Este artculo propone un mtodo de diseo e implementacin de un
sistema para la clasificacin automtica de cromosomas bovinos.
Este sistema es una herramienta que permite la generacin
automtica del cariotipo. En la primera etapa, se realiz una
segmentacin de los cromosomas la cual es una combinacin de
tcnicas de umbralizacin local y morfologa matemtica. Se estudi
e implement varios descriptores geomtricos y morfolgicos
representados por un vector de caractersticas para la representacin
de los cromosomas. Unas
redes neuronales artificiales tipo
perceptron multicapa fueron utilizadas como clasificadores en la
etapa de aprendizaje. Los vectores de caractersticas y clasificadores
se evaluaron para cuatro tareas distintas; reconocimiento de
cromosoma vs objetos, identificacin del cromosoma X,
identificacin del cromosoma Y e identificacin de los pares
homlogos de cromosomas. Los resultados muestran el mejor
desempeo de esta metodologa, la cual puede ser empleada para la
extraccin automtica del cariotipo en los laboratorios de gentica
Palabras Claves: Cariotipo, clustering, cromosomas, procesamiento
digital de imgenes, Redes Neuronales Artificiales.
Abstract
This paper show a proposal method to design and implement a
system for automatic bovines chromosomes classification. This
system is a tool that allows automatic generation of karyotype. The
first step is the chromosomes segmentation, which occurs as a result
of the study and implementation of different techniques of local
threshold estimation combined with mathematical morphology. We
studied and implemented various geometrical and morphological
descriptors are represented by a feature vector and some Artificial
Neural Networks are used like classifiers. Feature vectors and
classifiers were evaluated in different categories, Chromosome Objects, Chromosome X, Chromosome Y, homologous pairs. The
final results show the best performance of this methodology and can
be used for automatic extraction of karyotype in genetics labs.
KeywordsKaryotype, clustering, Chromosome, digital image
processing, artificial neural networks.
I. INTRODUCCIN
B. Segmentacin automtica.
Se evaluaron distintos mtodos de segmentacin, entre los
cuales se destacan mtodo Otsu, Pun1, Pin2, Kapur, Sahoo y
Wong, Johannsen y Bille, umbralizacin local adaptativa,
donde finalmente, los mejores resultados, segn el porcentaje
de sensibilidad se obtuvieron con el mtodo de umbralizacin
local adaptativa, con un nico inconveniente, todas las
imgenes presentaron demasiado ruido. Para solucionar este
problema se realiz la operacin morfolgica binaria AND
con la imagen resultante de la segmentacin mediante el
mtodo Otsu [4] y la imagen segmentada del mtodo local
adaptativo, donde los resultados se observan en la Figura 1.
II. CARIOTIPO
C. Filtro morfolgico.
Especie
# cromosomas
Humanos
46
Chimpanc
48
Perro
78
Bovinos
60
Pollos
78
Rana
26
Mosca
12
tasa de aprendizaje
convergencia rpida.
adaptativa, es
un
algoritmo de
Cromosoma
Nmero correctamente
clasificados
Entren.
Prueba
Exactitud (%)
Entren.
Prueba
Cromosoma
720
360
720
357
100
99,16
Objeto
67
19
67
18
100
94,73
TOTAL
787
379
787
375
100
96.94
Nmero de
Elementos
Entren.
Prueba
58 cromosomas.
2
29 pares.
Sensibilidad =
18
= 0,8571
18 + 3
Especificidad =
357
= 0,9972
357 + 1
Objeto Cromosomas TN FN TP
19
360
357
18
FP
1
99.16% 94.73%
Arqueros E, Ponencia: Nuevas Salidas Profesionales: GenticaCitogentica-Gentica Molecular, XIII Congreso Nacional
Farmacutico Granada, 15-18 de octubre de 2002.
[2] Crdova J, Lamas G. Citogentica, Filogenia, Clasificaciones
Naturales Y Evolucin De Las Especies. Editorial Alma Mater.
pp 95 112. 1997.
[3] Demuth H, Beale M, Hagan M, Neural Network Toolbox 5
Users Guide.
[4] Escalera A. Visin por Computador, fundamentos y mtodos,
ed. Pearson Educacin. Madrid, pp. 251. 2001.
[5] Gonzlez R. Wintz P. Digital Image Processing, 2nd. ed.,
Addison-Wesley, Reading, MA, 1987.
[6] Hu M., Visual pattern recognition by moments invariant, IRE
transaction on
[7]
McFeely R. Advances in Veterinary Science and Comparative
Medicine Domestic Animal Cytogenetics. Vol 34, pp. 1-20.
[8] PBattaglia, E. 1953 Filogenesi del cariotipo nel genere
Scilla. II. Cariotipo diploide di Scilla autumnalis L. Atti
Soc. Toscana Sci. Nat.6
[9] Sanchez J. La informacin celular. Disponible en:
http://web.educastur.princast.es/proyectos/biogeo%5Fov/
[10] Sotaquira G Miguel, Sanchez N Jorge, Gualdron G. Oscar,
Vargas C. Clara, Obtencin de cariotipos (aplicaciones al rea
de
la
citogentica)
Colombia, Energa Y Computacin ISSN: 0121-5299, 2004
vol:XI
fasc:
2
pgs:
22
26