Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional

Propia

Saved in:

Bibliographic Details
Main Authors:	Perafan Muñoz, Valentina, Valencia Ruiz, Jeniffer Melissa
Other Authors:	Villamarín Muñoz, Julián Antonio
Format:	Tesis/Trabajo de grado - Monografía - Pregrado
Language:	Español
Published:	Universidad Antonio Nariño 2025
Subjects:	Microscopio Fotogramas de video Métricas de regresión Python Deep Learning tracking, Deep SORT
Online Access:	https://repositorio.uan.edu.co/handle/123456789/12385
Tags:	Add Tag No Tags, Be the first to tag this record!

_version_	1828526200618745856
author	Perafan Muñoz, Valentina Valencia Ruiz, Jeniffer Melissa
author2	Villamarín Muñoz, Julián Antonio
author_facet	Villamarín Muñoz, Julián Antonio Perafan Muñoz, Valentina Valencia Ruiz, Jeniffer Melissa
author_sort	Perafan Muñoz, Valentina
collection	DSpace
description	Propia
format	Tesis/Trabajo de grado - Monografía - Pregrado
id	repositorio.uan.edu.co-123456789-12385
institution	Repositorio Digital UAN
language	Español
publishDate	2025
publisher	Universidad Antonio Nariño
record_format	dspace
spelling	repositorio.uan.edu.co-123456789-123852025-02-17T22:15:31Z Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional Perafan Muñoz, Valentina Valencia Ruiz, Jeniffer Melissa Villamarín Muñoz, Julián Antonio Microscopio Fotogramas de video Métricas de regresión Python Deep Learning tracking, Deep SORT Propia Sperm analysis in cattle is crucial to optimize reproductive efficiency in cattle breeding. However, it faces significant challenges in its analysis due to the variability of techniques, laboratory equipment and subjectivity in observations. To solve this problem, an algorithm was developed in Python based on Deep Learning techniques, using the YOLO11 neural network for the detection of bovine spermatozoa and the Deep SORT tracking method to follow them along the video frames. The videos were captured in collaboration with the biotechnology laboratory of the Antonio Nariño University in differential interference contrast microscopy and processed by morphological operations to highlight cell borders, finally, Finally, sperm velocities VAP, VCL and VSL were estimated, which were evaluated using regression metrics for intelligent models in MATLAB. R-squared or 𝑅 2 values of 0.86 were obtained for VSL, considering it a good indicator, 0.91 for VAP, which ratifies the high precision, and 0.76 for VCL. The use of intelligent computational techniques in this algorithm represents a significant contribution to sperm motility analysis, reducing the subjectivity inherent in traditional methods and strengthening the study of dilute ejaculates to identify the contribution of cattle in cattle reproduction. Preliminary results are promising and suggest that this tool could be adapted for application in other species. However, further research is needed to validate and optimize its use in broader contexts. El análisis espermático en bovinos es crucial para optimizar la eficiencia reproductiva en la ganadería. No obstante, enfrenta desafíos significativos en su análisis debido a la variabilidad de técnicas, equipamiento en el laboratorio y la subjetividad en las observaciones. Para solventar este problema, se desarrolló un algoritmo con técnicas de Deep Learning en Python, utilizando la red neuronal YOLO11 para la detección de espermatozoides de bovino y el método de tracking Deep SORT para su seguimiento a lo largo de los fotogramas de video. Los videos fueron capturados en colaboración con el laboratorio de biotecnología de la Universidad Antonio Nariño en el microscopio de contraste de interferencia diferencial y procesados mediante operaciones morfológicas para resaltar los bordes de las células, por último, se estimaron las velocidades espermáticas VAP, VCL y VSL, evaluadas mediante métricas de regresión tomando el valor real y experimental que es el generado por el algoritmo. Los análisis mostraron desviaciones relativas de 9.46%, 10.08% y 4.26% para la VCL, lo que indica alta precisión; y de 4.29%, 7.86% y 10.51% para la VAP, reforzando la confiabilidad del modelo. Además, los valores de 𝑅 2 obtenidos fueron 0.86 para la VSL, considerándolo un buen indicador; 0.91 para la VAP, que confirma su alta precisión; y 0.76 para la VCL. El uso de técnicas computacionales inteligentes en este algoritmo representa una contribución significativa al análisis de movilidad espermática, reduciendo la subjetividad inherente a los métodos tradicionales y fortaleciendo el estudio de eyaculados diluidos para identificar el aporte del vacuno en la reproducción ganadera. Los resultados preliminares son prometedores y sugieren que esta herramienta podría adaptarse para su aplicación en otras 2 especies. Sin embargo, es necesario realizar investigaciones adicionales para validar y optimizar su uso en contextos más amplios. Ingeniero(a) Biomédico(a) Pregrado Presencial Monografía 2025-02-17T22:15:30Z 2025-02-17T22:15:30Z 2025-02-17 Tesis/Trabajo de grado - Monografía - Pregrado Estudio correlacional info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_46ec http://purl.org/redcol/resource_type/PIC http://purl.org/coar/version/c_b1a7d7d4d402bcce https://repositorio.uan.edu.co/handle/123456789/12385 Español info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 pdf application/pdf application/pdf application/pdf application/pdf Universidad Antonio Nariño Ingeniería Biomédica Facultad de Ingeniería Mecánica, Electrónica y Biomédica Popayán - Alto Cauca instname:Universidad Antonio Nariño Aguero, G. (2013). Evaluación de las Características Seminales de Sementales Bovinos mediante el Analizador Seminal Computarizado (CASA). In Universidad Central de Venezuela Cmder Portable console emulator for Windows. (n.d.). Retrieved November 16, 2024, from https://cmder.app/ Daniel, R.-M., & Edgar, R.-G. (2017). Objective assessment of bull sperm motility parameters using computer vision algorithms. African Journal of Biotechnology, 16(37), 1871–1881. https://doi.org/10.5897/ajb2017.16122 Dra. Marita Espejo Catena, Marta Barranquero Gómez, Silvia Azaña Gutiérrez, & Zaira Salvador. (2024, July 3). ¿Cómo es el espermatozoide? – Formación, partes y función. Edwin Adrián Tenén Quizhpi, & Erika Patricia Alvarado Andrade. (2023). Clasificador de células sanguíneas usando procesamiento de imágenes. http://dspace.ups.edu.ec/handle/123456789/26428 F. Buchelly Imbachí, L. Zalazar, J. I. Pastore, M. B. Greco, M. Iniesta-Cuerda, J. J. Garde, A. J. Soler, V. Ballarin, & A. Cesari. (2024). Evaluación objetiva de la motilidad de los espermatozoides de carneros y machos mediante el uso de un nuevo software de seguimiento de espermatozoides. 156 Gonzalez, R. C., & Woods, R. E. (2007). Digital Image Processing (3rd Edition). In PrenticeHall, Inc. Upper Saddle River, NJ, USA ©2006. Javier Pascual Vidal Dirección, F., Novo Buján, J., & Rouco Maseda, J. (n.d.). Detección y seguimiento de jugadores en escenas deportivas usando deep learning. Retrieved November 3, 2024, from https://pypi.org/project/labelImg/ Londoño, G. G., Javier, F., Uribe, H., Vélez Álvarez, C., Ceballos Márquez, A., Rubén, J., & Moreno, S.-O. (n.d.). Efecto de las gotas citoplásmicas sobre la capacidad fecundante del espermatozoide en el cerdo. Mundo Microscopio. (2021). El microscopio de contraste de fases. https://www.mundomicroscopio.com/microscopio-de-contraste-de-fases/ Okumuş, F., Fatih Kocamaz, A., & Özgür, M. E. (2021). Using polynomial modeling for calculation of quality parameters in computer assisted sperm analysis. Journal of Computer Science, 6(3). Rouhiainen, L. (2018). Inteligencia artificial : 101 cosas que debes saber hoy sobre nuestro futuro. Alienta. Sistema CASA Sperm Class Analyzer®. (n.d.). Suárez Ricardo, P. M. (n.d.). Modelo computacional para la identificación de células espermáticas mediante el análisis automático de micrografías digitales. Retrieved May 30, 2024, from https://repositorio.upse.edu.ec/bitstream/46000/11169/1/UPSE-TET-2024- 0004.pdf
spellingShingle	Microscopio Fotogramas de video Métricas de regresión Python Deep Learning tracking, Deep SORT Perafan Muñoz, Valentina Valencia Ruiz, Jeniffer Melissa Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
title	Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
title_full	Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
title_fullStr	Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
title_full_unstemmed	Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
title_short	Estimación de velocidades de células espermáticas de bovino para un sistema de microscopía con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
title_sort	estimacion de velocidades de celulas espermaticas de bovino para un sistema de microscopia con contraste de fase de interferencia diferencial con soporte en inteligencia computacional
topic	Microscopio Fotogramas de video Métricas de regresión Python Deep Learning tracking, Deep SORT
url	https://repositorio.uan.edu.co/handle/123456789/12385
work_keys_str_mv	AT perafanmunozvalentina estimaciondevelocidadesdecelulasespermaticasdebovinoparaunsistemademicroscopiaconcontrastedefasedeinterferenciadiferencialconsoporteeninteligenciacomputacional AT valenciaruizjeniffermelissa estimaciondevelocidadesdecelulasespermaticasdebovinoparaunsistemademicroscopiaconcontrastedefasedeinterferenciadiferencialconsoporteeninteligenciacomputacional