Contribución a la discriminación diagnóstica sin etiquetas de medios biológicos mediante la determinación de propiedades ópticas de imágenes de microscopía sensible a la fase e inteligencia artificial

Abstract

RESUMEN: La discriminación de tejidos biológicos sanos y patológicos mediante técnicas ópticas sin etiquetas es uno de los retos de las técnicas de diagnóstico médico. Desde su invención, la microscopía óptica ha sido una técnica fundamental en la obtención de imágenes de microorganismos y tejidos biológicos. Los medios biológicos presentan bajo contraste óptico, por lo que no es posible analizarlos mediante las técnicas de imagen convencionales con la necesaria resolución y contraste. El desarrollo reciente de técnicas de microscopía óptica sensibles a la fase hace posible su aplicación tanto a nivel celular como a la discriminación de patologías en tejidos biológicos. En esta tesis doctoral se presentan los resultados de aplicar el análisis fractal y teorías avanzadas de óptica a imágenes de microscopía sensible a la fase de tejidos sanos y tumorales de diversos órganos sin etiquetas, tejido fresco, para su discriminación. La implementación de algoritmos de inteligencia artificial permite obtener resultados de discriminación diagnóstica aplicables al contexto clínico.

ABSTRACT: Discrimination of healthy and pathological biological tissues using label-free optical techniques is one of the challenges of medical diagnostic techniques. Since its invention, optical microscopy has been a fundamental technique for obtaining images of microorganisms and biological tissues. Biological media present low optical contrast, so it is not possible to analyze them using conventional imaging techniques with the appropriate resolution and contrast. The recent development of phase-sensitive optical microscopy techniques makes it possible to apply them both at the cellular level and to the discrimination of pathologies in biological tissues. In this doctoral thesis, the results of applying fractal analysis and advanced optics theories to phase-sensitive microscopy images of label-free healthy and tumoral tissue of various organs, fresh tissue, for their discrimination, are presented. The implementation of artificial intelligence algorithms allows to obtain diagnostic discrimination results applicable to the clinical context.