Clasificación de eritrocitos empleando modelos ocultos de Márkov
Red Blood cell classification with hidden Markov models
Rev. cuba. inform. méd; 8 (supl.1), 2016
Publication year: 2016
Se realiza un estudio del desempeño de los modelos ocultos de Márkov (HMM) en la clasificación morfológica supervisada de eritrocitos en muestras de sangre periférica de pacientes con anemia drepanocítica. Los contornos se representan de forma novedosa considerando las diferencias angulares en la curvatura de los puntos del mismo. El entrenamiento de cada modelo se realiza tanto con la descripción normal de los contornos como con la representación de la rotación de los mismos, para garantizar una mayor estabilidad en los parámetros estimados. Se desarrolla un proceso de validación cruzada de 5x1 para estimación del error. Se obtienen las medidas de sensibilidad, precisión y especificidad de la clasificación.
Los mejores resultados en cuanto a sensibilidad se obtienen al clasificar eritrocitos pertenecientes a dos clases:
normales (96 por ciento) y elongados (99 por ciento). Al considerar además una clase de eritrocitos con otras deformaciones los mejores resultados se obtienen realizando el entrenamiento de los modelos con la rotación de todos los contornos, que alcanzó sensibilidades de normales (94 por ciento), elongados (82 por ciento) y con otras deformaciones (76 por ciento)(AU)
A study of the performance of Hidden Markov Models (HMM) in morphologic supervised classification of erythrocytes in peripheral blood smears of patients with sickle cell disease is realized. Contours are represented in original way considering the angular differences in the curvature of the points of the same. The training of every model comes true with the normal description of the contours and with the representation of the rotation of the same, in order to guarantee a bigger stability in the esteemed parameters. A process of validation crossed of 5x1 for estimate of the error is developed. The measures of sensibility, precision and specificity of classification are obtained. The best results obtain when classifying erythrocytes in two classes, with sensibility values in normal of 96 percent and elongated 99 percent. In the classification of erythrocytes considering the class of other deformations better results obtain accomplishing the training of the models with the rotation of all the contours, that it attained sensibilities of normal (94 percent), elongated (82 percent) and with other deformations (76 percent)(AU)