Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad de Ciencias Médicas de Cienfuegos
2022
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=180071548010 https://www.redalyc.org/journal/1800/180071548010/ https://www.redalyc.org/journal/1800/180071548010/html/ https://www.redalyc.org/journal/1800/180071548010/180071548010.epub https://www.redalyc.org/journal/1800/180071548010/movil |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- Conteo de bacterias y levaduras en imágenes digitales Jorge Peña Martín Yelenys Alvarado Capó Rubén Orozco Morales Tatiana Pichardo Ailet Abreu López Medicina Bacterias levaduras técnicas microbiológicas procesamiento de imagen asistido por computador Fundamento: en los laboratorios de microbiología, la identificación y conteo de microorganismos es un procedimiento habitual. Aunque existen en el mercado equipos que posibilitan su realización de manera automática o semiautomática, son muy costosos, por lo cual esta tarea, difícil e irritante para los ojos, la siguen realizando los expertos de manera tradicional mediante la observación de las muestras en los microscopios, con la consiguiente variabilidad entre ellos. Objetivo: proponer un nuevo método para el conteo de bacterias y levaduras en imágenes digitales, bajo diferentes magnificaciones, tomadas a bioproductos de origen microbiano obtenidos por fermentación. Métodos: el sensor empleado para la toma de imágenes de las muestras fue una cámara digital modelo HDCE-X, con un sensor CMOS de ½", con una resolución de 2592 píxeles por 1944 píxeles (5 Mp). Se emplearon dos tipos de magnificaciones: magnificación 40x (PL40, 0.65 apertura numérica and 0.17 de distancia de trabajo) y magnificación 100x (HI plan 100/1.25 con inmersión de aceite). El método propuesto se basa en técnicas de procesamiento digital de imágenes, utilizando herramientas como la detección de contornos, operaciones morfológicas y análisis estadístico, y fue desarrollado en lenguaje Python con empleo de la biblioteca OpenCV. Resultados: la detección y conteo de bacterias se logró con una exactitud y precisión aceptable, en ambos casos por encima de 0,95; no en el caso de las levaduras cuya exactitud y precisión fueron menores, alrededor de 0,78 y 0,86 respectivamente. Se proponen flujos de trabajo basados en técnicas de procesamiento digital de imágenes, fundamentalmente en detección de contornos, operaciones morfológicas y análisis estadístico.Conclusiones: el método posee una efectividad aceptable para el contexto y depende de las características que presenten las imágenes. 2022 artículo científico 1727-897X https://www.redalyc.org/articulo.oa?id=180071548010 https://www.redalyc.org/journal/1800/180071548010/ https://www.redalyc.org/journal/1800/180071548010/html/ https://www.redalyc.org/journal/1800/180071548010/180071548010.epub https://www.redalyc.org/journal/1800/180071548010/movil es http://www.redalyc.org/revista.oa?id=1800 MediSur application/pdf Universidad de Ciencias Médicas de Cienfuegos MediSur (Cuba) Num.2 Vol.20