CBL - Campus del Baix Llobregat

Projecte llegit

Títol: Desenvolupament d'un sistema de diagnòstic automatitzat per la detecció de paràsits de Plasmodium en mostres d'extensió fina de sang

Estudiant que ha llegit aquest projecte:

Tutor/a o Cotutor/a: LOPEZ CODINA, DANIEL

Departament: FIS

Títol: Desenvolupament d'un sistema de diagnòstic automatitzat per la detecció de paràsits de Plasmodium en mostres d'extensió fina de sang

Data inici oferta: 27-01-2026      Data finalització oferta: 27-09-2026

Estudis d'assignació del projecte:
    GR ENG SIS BIOLÒG 23

Lloc de realització:
EEABB

Segon tutor/a (UPC): RUBIO MATURANA, CARLES

Paraules clau:
Malària, microscopia, diagnòstic automatitzat, Plasmodium falciparum, Plamodium vivax, Plasmodium ovale, Plasmodium malariae, Plasmodium knowlesi

Descripció del contingut i pla d'activitats:
El TFG s'emmarca en un projecte de recerca en cooperació amb Vall d'Hebron Institut de Recerca (VHIR), amb qui s'ha desenvolupat un sistema robotitzat de baix cost per al diagnòstic de malalties que afectes al Sud Global. En aquests moments estant desenvolupas els procediments per al diagnòstic de la malària mitjançant microscòpia en gota gruixuda de sang. Aquesta metodologia permet diagnosticar correctament la presència del paràsit però no permet distingir quina espècie és. La utilització de mostres d'extensió fina de sang permet el diagnòstic de l'espècia de plasmòdium causant de la malaltia. En el desenvolupament del TFG es capturaran i etiquetaran imatges de mostres d'extensió fina de sang, es crearà una base de dades d'imatges, i s'entrenaran xarxes neuronals convolucionals per al diagnòstic de l'espècie.

Overview (resum en anglès): Malaria is an infectious disease caused by parasites of the genus Plasmodium, transmitted through the bite of infected female Anopheles mosquitoes. It represents a major global public health problem, with a high prevalence in tropical and subtropical regions and a particularly significant impact on vulnerable populations. The diagnostic method established by the World Health Organization is the microscopic examination of blood samples. Specifically, differential diagnosis between species is performed using thin blood smear samples, a procedure that requires specialized personnel and lengthy observation times. In the context of a progressive decline in the number of qualified microscopists, there is a growing need to automate diagnosis in order to accelerate detection and optimize the diagnostic process. Artificial intelligence techniques offer a promising alternative through the analysis of digital images.
The aim of this work is to evaluate convolutional neural network-based models for the detection and species classification of Plasmodium parasites in microscopic images of thin blood smear samples. To achieve this objective, several training experiments were carried out using the YOLOv5x architecture on different datasets containing images of the studied species, manually annotated with bounding boxes.
The results showed that the model is capable of accurately detecting and classifying the different species studied. The overall performance of the final model achieved a precision of 0.955, a recall of 0.960, and an mAP50 of 0.982, although the performance metrics varied across individual species. Furthermore, the quantity, quality, and variability of the images were found to significantly influence the model's performance and its ability to generalize.
The conclusions indicate that a detection and classification network can achieve high performance when trained on homogeneous data with well-represented species. The proposed system shows potential as a decision-support tool for the microscopic diagnosis of malaria. However, expanding and diversifying the datasets used for training is necessary to further improve the model's generalization capability.

Aquest projecte està relacionat amb l'adaptació al Canvi Climatic? No

Aquest projecte està relacionat amb la digitalització del seu àmbit de treball? Sí

© CBLTIC Campus del Baix Llobregat - UPC