Salado Garcia, Juan PabloPicon, ArtzaiBereciartua, ArantzaIrusta Zarandona, Unai2018-03-212018-03-212018CASEIB 2017: XXXV Congreso anual de la Sociedad Española de Ingeniería Biomédica: Libro de actas, Bilbao 29 de Noviembre - 1 de Diciembre : 199-202 (2018)978-84-9082-797-0http://hdl.handle.net/11556/517El diagnóstico último del cáncer se realiza por los patólogos mediante el análisis de imágenes histológicas. Uno de los marcadores más importantes en el pronóstico y detección temprana del mismo es el denominado grado de proliferación, que se estima mediante el contaje de figuras mitóticas en imágenes histológicas tintadas con hematoxilina y eosina. Los patólogos realizan este contaje de mitosis de manera manual. Este proceso es costoso y subjetivo, existiendo discrepancias entre los expertos. En los últimos años, el aumento de microscopios escáneres ha permitido la digitalización de las muestras histológicas y su posterior procesamiento. En este trabajo se presenta un método para el contaje automático de mitosis en imágenes histológicas. Este método comprende dos fases: 1) selección de regiones candidatas a mitosis basada en técnicas convencionales de procesamiento de imagen; 2) clasificación mediante Redes Neuronales Convolucionales y técnicas de Deep Learning. El método ha sido validado sobre una base de datos con 656 casos, y se ha obtenido una sensibilidad de 0.617 y un valor de F1 de 0.541 en consonancia con el estado del arte.spaAttribution-NonCommercial-ShareAlike 4.0 Internationalconference outputopen accessCancerMitotic figuresAutomatic mitosis countingMethod