MurrAI Quality: desenvolupament d’un sistema de deep learning per a l’avaluació automatitzada de la qualitat de mostres d’esput en microbiologia clínica

Data d'alta al repositori: 2026-01-15

Resum: L’avaluació de la qualitat de les mostres d’esput amb tinció de Gram és clau en el diagnòstic d’infeccions respiratòries, però la interpretació manual és lenta i subjectiva. Per això, s’ha desenvolupat MurrAI Quality, un sistema automatitzat basat en xarxes neuronals convolucionals que detecta i compta leucòcits i cèl·lules epitelials en imatges microscòpiques, classificat així la qualitat de les mostres. El model s’ha entrenat amb 402 microfotografies anotades manualment, i s’ha validat en tasques de segmentació i classificació. L’estudi representa una prova de concepte amb aplicabilitat clínica i possibilitats d’optimització futura.; Assessment of the quality of sputum samples by Gram staining and a microscope is an essential step in obtaining reliable results in the microbiological diagnosis of respiratory infections of the lower respiratory tract, but its manual interpretation can be subjective and requires time and qualified personnel. In this work, an algorithm called MurrAI Quality has been developed, which is an automated system based on convolutional neural networks capable of detecting and counting squamous epithelial cells and leukocytes in microscopic images to classify the samples according to their quality. The model has been trained with 402 manually annotated sputum microphotographs, indicating the location of leukocytes and epithelial cells in order to provide the model with examples of the patterns to be recognized. Finally, the validity of the system in tasks of segmentation of instances and classification has been evaluated. This study constitutes a proof of concept with potential for implementation in clinical environments, which opens the door to future optimizations.; La evaluación de la calidad de las muestras de esputo mediante la tinción de Gram y un microscopio es un paso esencial para obtener resultados fiables en el diagnóstico microbiológico de infecciones respiratorias del trato respiratorio inferior, pero su interpretación manual puede ser subjetiva y requiere tiempo y personal cualificado. En este trabajo se ha desarrollado un algoritmo llamado MurrAI Quality, que se trata de un sistema automatizado basado en redes neuronales convolucionales capaz de detectar y contar células epiteliales escamosas y leucocitos en imágenes microscópicas para clasificar las muestras según su calidad. El modelo se ha entrenado con 402 microfotografías de esputo anotadas manualmente, indicando la localización de leucocitos y células epiteliales para proporcionar al modelo ejemplos de los patrones a reconocer. Finalmente, se ha evaluado la validez del sistema en tareas de segmentación de instancias y clasificación. Este estudio constituye una prueba de concepto con potencial de implementación en entornos clínicos, que abre la puerta a futuras optimizaciones.

Matèria: Control de qualitat

Idioma: ca

Àrees temàtiques: Bioquímica i biotecnologia; Biochemistry and biotechnology; Bioquímica y biotecnología

Departament: Bioquímica i Biotecnologia

Estudiant: Martos i Massó, Laia

Curs acadèmic: 2024-2025

Títol en diferents idiomes: MurrAI Quality: desenvolupament d’un sistema de deep learning per a l’avaluació automatitzada de la qualitat de mostres d’esput en microbiologia clínica; MurrAI Quality: development of a deep learning system for the automated evaluation of the quality of sputum samples in clinical microbiology; MurrAI Quality: desarrollo de un sistema de deep learning para la evaluación automatizada de la calidad de muestras de esputo en microbiología clínica

Data de la defensa del treball: 2025-09-09

Drets d'accés: info:eu-repo/semantics/openAccess

Paraules clau: microbiologia clínica, xarxes neuronals convolucionals, control de qualitat; microbiologia clínica, xarxes neuronals convolucionals, control de qualitat; microbiología clínica, redes neuronales convolucionales, control de calidad

Confidencialitat: No

Crèdits del TFG: 12

Títol en la llengua original: MurrAI Quality: desenvolupament d’un sistema de deep learning per a l’avaluació automatitzada de la qualitat de mostres d’esput en microbiologia clínica

Director del projecte: Mulero Abellán, Miguel

Ensenyament(s): Biotecnologia

Entitat: Universitat Rovira i Virgili (URV)