Clasificación automática de neuronas reconstruidas a partir de sus rasgos morfológicos

Vista sencilla de ítem
dc.contributor.advisorOrozco Morales, Rubén
dc.contributor.advisorHernández Pérez, Leonardo
dc.contributor.authorDelgado Castillo, Duniel
dc.coverage.spatial1016432en_US
dc.date.accessioned2016-11-14T20:07:46Z
dc.date.available2016-11-14T20:07:46Z
dc.date.issued2016-06-21
dc.description.abstractLa caracterización morfológica precisa de las múltiples clases de neuronas podría facilitar el esclarecimiento de las funciones cerebrales y los cambios funcionales que subyacen en diferentes enfermedades neurológicas. El análisis morfológico manual es muy lento y muchas veces adolece de exactitud debido a que algunas características de las células no se cuantifican fácilmente. Varias son las herramientas informáticas que se han creado para automatizar la cuantificación y comparación de los rasgos de las estructuras neuronales mediante el uso de potentes técnicas de aprendizaje automatizado. El presente trabajo se enfoca en comparar los resultados en la clasificación automática de neuronas usando los rasgos morfológicos obtenidos con el software comercial Neurolucida y usando los rasgos extraídos con herramientas libres como el L_measure, Farsight y el TreesToolbox. Para ello se trabajó con un conjunto de reconstrucciones digitales de neuronas las cuales están divididas en dos clases, las neuronas piramidales y las interneuronas. Para evaluar los conjuntos de rasgos se utilizaron cinco algoritmos de clasificación diferentes combinados con varias técnicas de selección de atributos. También se hicieron pruebas para determinar los mejores clasificadores y para comparar los resultados dividiendo la neurona en sus dos secciones principales: axones y dendritas. Los resultados obtenidos fueron satisfactorios ya que con la incorporación de los rasgos extraídos con las herramientas libres se logró mejorar la eficacia en la clasificación, además también se demostró la superioridad de los rasgos extraídos de las dendritas sobre los obtenidos de los axones.en_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/6938
dc.language.isoesen_US
dc.publisherUniversidad Central "Marta Abreu" de Las Villas. Facultad de Ingeniería Eléctrica. Centro de Estudios de Electrónica y Tecnologías de la Informaciónen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Abreu” de Las Villas.Los usuarios podrán hacer uso de esta obra Marta bajo la siguiente licencia: CreativeCommons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectEnfermedades Neurológicasen_US
dc.subjectRasgos Morfológicosen_US
dc.subjectSegmentaciónen_US
dc.titleClasificación automática de neuronas reconstruidas a partir de sus rasgos morfológicosen_US
dc.typeThesisen_US
dc.type.thesismasteren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Duniel Delgado Castillo.pdf
Tamaño:
2.19 MB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Maestría - Señales y Sistemas