Defensa de Tesis: Detección y análisis morfológico de espermatozoides mediante visión computacional
Published:
Hoy se llevó a cabo la Presentación de Trabajo de Título de Camila Maire Pedreros, titulada “Detección y análisis estadístico de formas en imágenes de espermatozoides con técnicas clásicas de visión computacional para su clasificación morfológica”, memoria para optar al título profesional de Ingeniera Civil Eléctrica de la Universidad de Chile.
En esta instancia participé como profesor guía de Camila, junto al profesor co-guía Víctor Castañeda Zeman. La comisión evaluadora estuvo integrada por el profesor Patricio Valenzuela Cano.
El trabajo aborda un problema relevante para el estudio de la fertilidad masculina: la clasificación morfológica de espermatozoides a partir de imágenes microscópicas. El análisis manual puede ser lento y presentar variabilidad entre evaluadores, por lo que la automatización de este proceso representa una oportunidad para avanzar hacia evaluaciones más estandarizadas y reproducibles.
Figura 1: Defensa de Tesis de Camila Maire Pedreros. />
Para abordar este desafío, Camila desarrolló un sistema que combina aprendizaje profundo y técnicas clásicas de visión por computador. La metodología utiliza una red neuronal U-Net para segmentar las cabezas de los espermatozoides y, posteriormente, extrae descriptores geométricos que permiten caracterizar su forma. Estas características se utilizan en un clasificador neuronal ligero, integrando la capacidad predictiva de las redes neuronales con herramientas que permiten analizar e interpretar los atributos morfológicos empleados en la clasificación.
Entre los resultados destaca el desempeño del enfoque híbrido, que alcanzó una exactitud del 84,21 %, superando el 76,92 % obtenido por el modelo convolucional que clasifica directamente las imágenes. Además, el clasificador híbrido utiliza una arquitectura considerablemente más pequeña, con aproximadamente catorce veces menos parámetros. Estos resultados muestran que la combinación de técnicas clásicas y modernas puede ser una alternativa competitiva para abordar problemas de clasificación de imágenes en aplicaciones de salud.
En un momento en que gran parte de la atención se concentra en los modelos más recientes y en alcanzar el estado del arte, resulta interesante ver cómo las herramientas clásicas de visión por computador siguen teniendo un papel importante cuando se integran adecuadamente con técnicas de aprendizaje profundo. En aplicaciones como esta, no solo importa obtener buenos resultados, sino también comprender qué características de las imágenes contribuyen a las decisiones del sistema. La investigación de Camila es un buen ejemplo de cómo combinar distintas aproximaciones para construir soluciones con un equilibrio entre desempeño, eficiencia e interpretabilidad.
Esta memoria se desarrolló en el marco del trabajo que realizamos en Tech4Medics, donde convergen la ingeniería, la inteligencia artificial y los desafíos de las aplicaciones en salud. Quiero aprovechar también de agradecer a todo el equipo de Tech4Medics, con quienes nos reunimos semana a semana para revisar los avances de nuestros estudiantes, discutir sus ideas y acompañarlos en el desarrollo de sus investigaciones. Estos espacios de trabajo colaborativo son fundamentales para enriquecer los proyectos y apoyar la formación de nuevos profesionales.
Felicitaciones a Camila por el trabajo realizado y por culminar esta importante etapa de su formación profesional, y a Víctor Castañeda Zeman y Patricio Valenzuela Cano por su participación en este proceso.