[general_dat] Invitación a Defensa de Tesis de Licenciatura de Santiago Feliú

[Viviana Cotik]

Buen día,

tenemos el agrado de invitarlos a la defensa de Tesis de Licenciatura en
Ciencias de la Computación de Santiago Feliú.

*Título: *Segmentación y clasificación de mitocondrias en imágenes de
microscopía de fluorescencia

*Cuándo: *Martes 3 de Noviembre, 14:00 hrs
*Dónde:* Sala 1604, pabellón 0+inf
*Directora:* Luciana Bruno
*Co-Directora:* Viviana Cotik
*Jurados: *María Elena Buemi, Daniel Acevedo

*Resumen:*
Las mitocondrias son organelas dinámicas, cuya morfología (tamaño, grado de
ramificación, fragmentación o conectividad) refleja su estado funcional y
el metabolismo de la célula que las contiene. La microscopía confocal de
fluorescencia permite observarlas en células vivas, pero cuantificar su
morfología exige individualizar cada perfil mitocondrial, una tarea que
tradicionalmente se realiza de forma manual y que resulta difícil de
automatizar: las mitocondrias tienen un diámetro cercano al límite de
resolución óptica, presentan formas muy variables, suelen aparecer en
contacto o superpuestas, y las imágenes contienen ruido y variaciones de
intensidad propias del proceso de adquisición. Si bien existen herramientas
de segmentación basadas en inteligencia artificial, muchas de ellas fueron
desarrolladas sobre imágenes de características muy distintas, por lo que
su desempeño en condiciones estándar de laboratorio no está garantizado.

Este trabajo presenta la construcción de un corpus de imágenes de
microscopía confocal de mitocondrias anotadas a nivel de instancia,
obtenidas a partir de películas de células vivas adquiridas con
equipamiento estándar de laboratorio. El proceso de anotación se realizó
siguiendo criterios refinados de forma iterativa, cuya reproducibilidad se
verificó mediante el acuerdo entre anotadores.

Con este corpus se evaluaron y compararon, sin reentrenamiento, cuatro
herramientas de segmentación representativas de distintos paradigmas
(Ilastik, Cellpose-SAM, Omnipose y MoDL), tanto a nivel de píxel como a
nivel de instancia. Los resultados muestran que la principal dificultad no
reside en detectar la señal mitocondrial sino en individualizar los
perfiles, y que MoDL, la única herramienta diseñada específicamente para
mitocondrias, ofrece el mejor desempeño en ambos niveles. A partir de sus
segmentaciones, se diseñó además un clasificador en cascada que descarta
falsos positivos y aglomerados de mitocondrias, permitiendo recuperar la
mayoría de los perfiles individuales con alta precisión en datos no
utilizados durante su desarrollo.

Los esperamos!