Skip links

Diseño e implementación de algoritmos de superresolución para imágenes de microscopía

Tutor: Juan Enrique Ortuño Fisac / Ponente: Andrés Santos Lleó
Correo Electrónico: juanen@die.upm.es
Despacho: B-039
Competencias Relacionadas: Procesamiento de imágenes biomédicas; diseño de redes neuronales convolucionales (CNNs); Deep Learning.
Descripción del TFG/TFM: Un scanner de microscopía digitaliza un portaobjetos, obteniendo imágenes que son estudiadas por un experto o bien procesadas automáticamente mediante algoritmos de segmentación y análisis. El almacenamiento y transmisión de estas imágenes requiere de una gran infraestructura debido a su gran tamaño, del orden de gigabytes.
Una posible solución a este problema consiste en escanear el portaobjetos a menor número de aumentos (baja resolución) para posteriormente obtener una imagen de alta resolución y mayor tamaño utilizando algoritmos de superresolución. En este proyecto se pretenden estudiar e implementar algoritmos de superresolución avanzados, que principalmente utilizan técnicas de Deep Learning. El alumno estudiará si estos algoritmos pueden recuperar imágenes con capacidad diagnóstica, a partir de muestreos a baja resolución. Se comparará la eficiencia de estos métodos respecto a
algoritmos de compresión avanzados.
Este proyecto se realizará en colaboración con la empresa Spotlab, que proporcionará las imágenes (de histopatología, microbiología y hematología) y el acceso a un escáner de microscopía robotizado para realizar los experimentos.
Requisitos de los candidatos: Experiencia en procesamiento de imágenes;
conocimiento de lenguaje Python; Matlab; iniciativa e interés por el tema propuesto. Se valorará experiencia en tecnologías de Deep Learning (Tensorflow, Keras, …), gestor de paquetes Anaconda y entorno Jupyter Notebook o Google Colab.

Los interesados deberán enviar CV y listado de notas.

Deja un comentario