Development of a prototype for the detection of blast cells in peripheral blood samples through computer vision, contributing to the clinical diagnosis of leukemia.
DOI:
https://doi.org/10.56643/rcia.v3i1.173Keywords:
Canny algorithm, Medical field, Blasts, Disease diagnosis, LeukemiaAbstract
Leukemia is a disease characterized by the uncontrolled proliferation of abnormal blood cells in the bone marrow, posing a critical medical issue globally. This condition affects both children and adults, and if not detected and treated in a timely manner, it can lead to severe health consequences. This work addresses the critical issue of timely leukemia diagnosis in Mexico and worldwide, proposing a potential solution through the implementation of artificial intelligence-based pattern detection algorithms in medical images for early detection and accurate diagnosis of this disease.
Computer vision emerges as a precise and consistent tool that surpasses human limitations in visual information processing. The benefits of the functional prototype aim to contribute significantly to the improvement of medical care and the quality of life of patients through the early detection of blast cells in blood samples.
In this context, the emphasis is placed on seeking a solution to the presented problem, highlighting the benefits of the functional prototype that aims to contribute significantly to the improvement of medical care and the quality of life of patients through the early detection of blast cells in blood samples. Additionally, the adopted development methodology is outlined, ensuring an organized and coherent structure throughout the design, construction, and validation of the prototype. Finally, the obtained results are presented, allowing us to conclude that the application of the Canny algorithm positively influences the detection of blasts in digital images for the early identification of leukemia-causing cells.
References
Alonso, A. D. C., y Jara, E. A. M. (2016). Visión por computadora: identificación, clasificación y seguimiento de objetos. FPUNE Scientific.
Arai, K., y Kapoor, S. (2020). Advances in Computer Vision. Advances in Intelligent Systems and Computing, Springer, 943. doi: 10.1007/978-3-030-17795-9.
Castro, C. R. (2009). Segmentación y clasificación de células con leucemia a partir de información contextual en imágenes digitales. Tesis de maestría. Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). https://inaoe.repositorioinstitucional.mx/jspui/handle/1009/439
Galindo, M. C. (2008). Obtención de características de subtipos de leucemia en imágenes digitales de células sanguíneas para su clasificación. Tesis de maestría. Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). https://inaoe.repositorioinstitucional.mx/jspui/bitstream/1009/435/1/GalindoDMC.pdf
Garwood, P. (2017). El diagnóstico temprano del cáncer salva vidas y reduce los costos de tratamiento. OMS. https://www.who.int/es/news/item/03-02-2017-early-cancer-diagnosis-saves-lives-cuts-treatment-costs
Harris, C. R., Millman, K. J., y van der Walt, S. J. Array programming with NumPy. Nature 585, 357-362 (2020). DOI: 10.1038/s41586-020-2649-2.
Joblib (2021). Joblib: running Python functions as pipeline jobs. https://joblib.readthedocs.io/
Márquez, J. E. (2020). Visión artificial profunda aplicada a la identificación temprana de cáncer no melanoma y queratosis actínica. Computación y Sistemas, 24(2), 751-766. Epub 04 de octubre de 2021.https://doi.org/10.13053/cys-24-2-2901
Martin, J. (2017). SIMD: Optimización de un detector Canny. Facultad de Ciencias Exactas y Naturales-UBA.
National Comprehensive Cancer (2022). NCCN Guidelines. https://www.nccn.org/docs/default-source/about/annual-report-2022.pdf?sfvrsn=8411082_22
OpenCV (2024). Open Source Computer Vision Library. https://opencv.org
Organización Mundial de la Salud (2022). Cáncer. OMS. https://www.who.int/es/news-room/fact-sheets/detail/cancer
Organización Panamericana de la Salud (2022). El 55% de los niños y adolescentes con cáncer se curan en América Latina y el Caribe. OPS. https://www.paho.org/es/noticias/15-2-2022-55-ninos-adolescentes-con-cancer-se-curan-america-latina-caribe
Palomino, N. y Concha, U. (2009, julio-diciembre). Técnicas de segmentación en procesamiento digital de imágenes. Revista de Ingeniería de Sistemas e Informática, 6(2), 9-16.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., y Duchesnay, E. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825-2830.
Rudas C. J., Toscano C. R. y Sánchez Torres, G. (2011). Una técnica para la localización del disco óptico en retinografías. Revista Avances en Sistemas e Informática, 8(3), 85-88.
Sánchez V. N. (2020). Evaluación de las células natural killer y el estado de metilación de sus marcadores de activación en pacientes pediátricos con leucemia linfoblástica aguda al diagnóstico. Facultad de Medicina y Cirugía-UABJO.
Secretaría de Salud (2019). La leucemia representa el 50 por ciento de los casos de cáncer infantil. Gobierno de México. https://www.gob.mx/salud/prensa/055-la-leucemia-representa-el-50-por-ciento-de-los-casos-de-cancer-infantil
Sucar, L. E., y Gómez, G. (2011). Visión computacional. INAOE/Helmholtz Zentrum Munchen.
Zamarrón, I. (2023). AstraZeneca: ¿IA para acelerar el diagnóstico de cáncer? Forbes México. https://www.forbes.com.mx/astrazeneca-ia-para-acelerar-el-diagnostico-de-cancer/
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Angel Hernández, Isamayi Meyli Velasco Rodríguez, Fabiola Guadalupe Martínez Rangel, Luis Alberto Alonso Hernández
This work is licensed under a Creative Commons Attribution 4.0 International License.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
