Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales
Artificial intelligence (AI) has transformed the livestock industry, becoming a fundamental tool for analyzing sperm quality in cattle, contributing to the economic and productive development of the country. This project employs convolutional neural networks (CNNs) to develop a model that classifies...
Saved in:
| Main Authors: | , |
|---|---|
| Other Authors: | |
| Format: | Tesis/Trabajo de grado - Monografía - Pregrado |
| Language: | Español |
| Published: |
Universidad Antonio Nariño
2025
|
| Subjects: | |
| Online Access: | https://repositorio.uan.edu.co/handle/123456789/12404 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1831062979127279616 |
|---|---|
| author | Díaz Castillo, Katherine López Ortiz, Yuliana Sofía |
| author2 | Villamarín Muñoz, Julián Antonio |
| author_facet | Villamarín Muñoz, Julián Antonio Díaz Castillo, Katherine López Ortiz, Yuliana Sofía |
| author_sort | Díaz Castillo, Katherine |
| collection | DSpace |
| description | Artificial intelligence (AI) has transformed the livestock industry, becoming a fundamental
tool for analyzing sperm quality in cattle, contributing to the economic and productive development
of the country. This project employs convolutional neural networks (CNNs) to develop a model
that classifies the acrosomal membrane status in bull sperm, providing additional information that
supports the assessment of artificial insemination success in the field.
The Biotechnology Laboratory at the Antonio Nariño University, Popayán campus, has
advanced equipment for analyzing sperm quality in animals but lacks compatible software to better
visualize and understand the results. To address this need, a classifier based on YOLOv5, a pretrained CNN, was developed to identify the acrosomal status in bull sperm through image
processing and machine learning.
For the analysis, a double staining of samples with FITC-PNA and PI was used, with green
and red fluorochromes that allow morphological differentiation of the acrosome and sperm head.
Cells with both green and red fluorescence are classified as AM (Bad Acrosome), while those with
only red fluorescence are classified as AB (Good Acrosome). A database was created with 300
high-resolution images (1280 x 1024 pixels) captured with the Nikon Eclipse Ti2-U microscope
and Basler camera.
The YOLOv5 model was implemented in Visual Studio Code using Python, resizing the
images to 640 x 640 pixels and setting the batch size and the number of epochs to 8 and 80,
respectively. The AM and AB classes were defined in the model to make predictions on the
acrosomal status of the sperm.
The results showed that the model achieved 97% accuracy in the AM class, excelling in
recognizing this predominant class. For the AB class, accuracy was 79%, affected by factors such
IX
as a smaller data quantity and fluorescence loss. In conclusion, the classifier accurately identifies
sperm classes, providing a reliable index on the acrosomal status of sperm cells. |
| format | Tesis/Trabajo de grado - Monografía - Pregrado |
| id | repositorio.uan.edu.co-123456789-12404 |
| institution | Repositorio Digital UAN |
| language | Español |
| publishDate | 2025 |
| publisher | Universidad Antonio Nariño |
| record_format | dspace |
| spelling | repositorio.uan.edu.co-123456789-124042025-02-18T20:14:11Z Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales Díaz Castillo, Katherine López Ortiz, Yuliana Sofía Villamarín Muñoz, Julián Antonio Espermatozoides YOLOv5 fluorocromo Sperm YOLOv5 fluorochrome Artificial intelligence (AI) has transformed the livestock industry, becoming a fundamental tool for analyzing sperm quality in cattle, contributing to the economic and productive development of the country. This project employs convolutional neural networks (CNNs) to develop a model that classifies the acrosomal membrane status in bull sperm, providing additional information that supports the assessment of artificial insemination success in the field. The Biotechnology Laboratory at the Antonio Nariño University, Popayán campus, has advanced equipment for analyzing sperm quality in animals but lacks compatible software to better visualize and understand the results. To address this need, a classifier based on YOLOv5, a pretrained CNN, was developed to identify the acrosomal status in bull sperm through image processing and machine learning. For the analysis, a double staining of samples with FITC-PNA and PI was used, with green and red fluorochromes that allow morphological differentiation of the acrosome and sperm head. Cells with both green and red fluorescence are classified as AM (Bad Acrosome), while those with only red fluorescence are classified as AB (Good Acrosome). A database was created with 300 high-resolution images (1280 x 1024 pixels) captured with the Nikon Eclipse Ti2-U microscope and Basler camera. The YOLOv5 model was implemented in Visual Studio Code using Python, resizing the images to 640 x 640 pixels and setting the batch size and the number of epochs to 8 and 80, respectively. The AM and AB classes were defined in the model to make predictions on the acrosomal status of the sperm. The results showed that the model achieved 97% accuracy in the AM class, excelling in recognizing this predominant class. For the AB class, accuracy was 79%, affected by factors such IX as a smaller data quantity and fluorescence loss. In conclusion, the classifier accurately identifies sperm classes, providing a reliable index on the acrosomal status of sperm cells. La inteligencia artificial (IA) ha transformado la industria ganadera, convirtiéndose en una herramienta fundamental para el análisis de la calidad espermática en bovinos, lo que contribuye al desarrollo económico y productivo del país. Este proyecto emplea redes neuronales convolucionales (CNN) para desarrollar un modelo de clasificación del estado de la membrana acrosomal en espermatozoides de toro, brindando información adicional que apoya la evaluación del éxito en inseminación artificial en campo. El Laboratorio de Biotecnología de la Universidad Antonio Nariño, sede Popayán, cuenta con equipos avanzados para analizar la calidad espermática en animales, pero carece de software compatible para visualizar y entender mejor los resultados. Con el fin de abordar esta necesidad, se desarrolló un clasificador basado en YOLOv5, una red CNN preentrenada, para identificar el estado del acrosoma en espermatozoides de toro mediante procesamiento de imágenes y aprendizaje automático. Para el análisis, se emplea una doble tinción de las muestras con FITC-PNA y PI, fluorocromos verde y rojo que permiten diferenciar morfológicamente el acrosoma y la cabeza de los espermatozoides. Las células con fluorescencia verde y roja son clasificadas como AM (Acrosoma malo), mientras que las de fluorescencia roja son clasificadas como AB (Acrosoma bueno). Se creó una base de datos con 300 imágenes de alta resolución (1280 x 1024 píxeles) capturadas con el microscopio Nikon Eclipse Ti2-U y cámara Basler. El modelo YOLOv5 se implementó en Visual Studio Code usando Python, redimensionando las imágenes a 640 x 640 píxeles y ajustando el tamaño del lote y el número de épocas a 8 y 80, respectivamente. Las clases AM y AB fueron definidas en el modelo para realizar predicciones del estado acrosomal en los espermatozoides. Los resultados mostraron que el modelo logró una precisión del 97% en la clase AM, destacándose en el reconocimiento de esta clase predominante. Para la clase AB, la precisión fue del 79%, afectada por factores como la menor cantidad de datos y la pérdida de fluorescencia. En VII conclusión, el clasificador identifica con alta precisión las clases de espermatozoides, proporcionando un índice confiable sobre el estado acrosomal de las células espermáticas. Ingeniero(a) Biomédico(a) Pregrado Presencial Monografía 2025-02-18T20:14:10Z 2025-02-18T20:14:10Z 2025-02-18 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/123456789/12404 Español Attribution-NonCommercial-NoDerivs 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ 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 S. Ugarelli, S. Vargas, A. Evangelista y A. Santiani, «Evaluación de la Integridad Acrosomal en Espermatozoides Epididimarios de Alpaca mediante Citometría de Flujo,» Revista de Investigaciones Veterinarias del Perú, vol. 28, nº 1, 2017. P. Hidayatullah, X. Wang, T. Yamasaki, T. Mengko, R. Munir, A. Barlian y E. Sukmawati, «DeepSperm: Una detección robusta y en tiempo real de espermatozoides de toro en videos de semen densamente poblados,» Computer Methods and Programs in Biomedicine, vol. 209, 2021. A. Amir, M. Erfan y M. S. Abolghasem, «Efecto de la transferencia profunda y el aprendizaje multitarea en la detección de anomalías espermáticas,» Computers in Biology and Medicine, vol. 128, 2021. M. Parque, Y. Heemoon, K. B. Ho, L. Hayoung, A. Jisoon, L. Taehyun, C. Hee-Tae y L. Sang-Hee, «Análisis de precisión basado en el aprendizaje profundo para la reacción acrosómica mediante la modificación de la membrana plasmática en esperma de verraco,» Animals, vol. 13, nº 6, 2023. Z. Ronghua, C. Yansong, H. Jianming, H. Enyu, Z. Jiayu, Z. Zhilin y L. Hao, «YOLOv5s-SA: YOLOv5s ligeros y mejorados para la detección de espermatozoides,» Diagnostics, vol. 13, nº 6, 2023. R. Gómez, «Reproducción Bovina,» 2016. [En línea]. Available: https://www.produccionanimal.com.ar/informacion_tecnica/inseminacion_artificial/245-Reproduccion_bovina.pdf. Genética Bovina, «Semen bovino: evaluación y calidad,» 2024. [En línea]. Available: https://revistageneticabovina.com/biotecnologia/semen-bovino/. A. Rupert y W. Dagmar, «Análisis de espermatozoides asistido por ordenador (CASA): Capacidades y posibles desarrollos,» Theriogenology, vol. 81, nº 1, 2014. C. Próspero y P. César, «Viabilidad espermática e integridad del acrosoma en semen congelado de toros nacionales,» Investigaciones Veterinarias del Perú, vol. 23, nº 2, 2019. Keyence, «Glosario de microscopio,» Keyence, [En línea]. Available: https://www.keyence.co.in/ss/products/microscope/microscope_glossary/optical_microscopes/inverted_mi croscope.jsp. |
| spellingShingle | Espermatozoides YOLOv5 fluorocromo Sperm YOLOv5 fluorochrome Díaz Castillo, Katherine López Ortiz, Yuliana Sofía Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales |
| title | Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales |
| title_full | Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales |
| title_fullStr | Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales |
| title_full_unstemmed | Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales |
| title_short | Clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales |
| title_sort | clasificador del estado de la membrana acrosomal en espermatozoides mediante redes neuronales convolucionales |
| topic | Espermatozoides YOLOv5 fluorocromo Sperm YOLOv5 fluorochrome |
| url | https://repositorio.uan.edu.co/handle/123456789/12404 |
| work_keys_str_mv | AT diazcastillokatherine clasificadordelestadodelamembranaacrosomalenespermatozoidesmedianteredesneuronalesconvolucionales AT lopezortizyulianasofia clasificadordelestadodelamembranaacrosomalenespermatozoidesmedianteredesneuronalesconvolucionales |
