Caracterizacion del crecimiento de colonias bacterianas utilizando segmentación de imágenes con K-means

Diana Alejandra Alvarado-Ruiz; Keny Ordaz-Hernández; Grecia Leticia Lara-Cadena; María de Lourdes V. Díaz-Jiménez; Mario Castelán

doi:10.29057/icbi.v11iEspecial2.10711

Diana Alejandra Alvarado-Ruiz Centro de Investigación y de Estudios Avanzados https://orcid.org/0009-0004-3515-2829
Keny Ordaz-Hernández Centro de Investigación y de Estudios Avanzados https://orcid.org/0000-0001-9528-9035
Grecia Leticia Lara-Cadena Centro de Investigación y de Estudios Avanzados https://orcid.org/0009-0000-4546-8211
María de Lourdes V. Díaz-Jiménez Centro de Investigación y de Estudios Avanzados https://orcid.org/0000-0001-5942-4658
Mario Castelán Centro de Investigación y de Estudios Avanzados https://orcid.org/0000-0001-5846-6645

DOI: https://doi.org/10.29057/icbi.v11iEspecial2.10711

Palabras clave: caracterización, bacteriana, algoritmo, k-means, segmentación, imágenes

Resumen

La caracterización bacteriana es un campo muy importante para el área de microbiología, es por esto que hoy en día es crucial que las aplicaciones orientadas a esta tarea la faciliten y ayuden de forma sustancial a los laboratoristas que siguen desarrollando esta actividad de forma manual, sin perder información y teniendo en cuenta las diversas características que una colonia de bacterias posee. Teniendo en cuenta esta problemática, se propone en este artículo la aplicación del algoritmo K-means para el análisis y segmentación de imágenes de cultivos bacterianos de Pseudomonas koreensis con un enfoque en caracterización y no en conteo. Esto con el propósito de detectar las distintas morfologías existentes en el cultivo bacteriano de P. koreensis y conocer su porcentaje de ocupación en la imagen. Con esta información se busca conocer el comportamiento del crecimiento y desarrollo de las colonias sin importar si el usuario es o no experto en la caracterización y detección de colonias bacterianas.

Descargas

La descarga de datos todavía no está disponible.

Citas

Becton Dickinson (2013). BD pseudosel agar (cetrimide agar): Instrucciones de uso – medios en placa listos para usar. PA-254419.06, https: //www.bd.com/resource.aspx?IDX=8794. Visitado: 2023.03.16.

Burney, S. M. y Tariq, H. (2014). K-means cluster analysis for image segmentation. International Journal of Computer Applications, 96(4):1–8.

Dhanachandra, N., Manglem, K., y Chanu, Y. J. (2015). Image segmentation using k -means clustering algorithm and subtractive clustering algorithm. Procedia Computer Science, 54:764–771. Eleventh International Conference on Communication Networks, ICCN 2015, August 21-23, 2015, Bangalore, India Eleventh International Conference on Data Mining andWarehousing, ICDMW 2015, August 21-23, 2015, Bangalore, India Eleventh International Conference on Image and Signal Processing, ICISP 2015, August 21-23, 2015, Bangalore, India.

Grossi, M., Parolin, C., Vitali, B., y Riccó, B. (2019). Computer vision approach for the determination of microbial concentration and growth kinetics using a low cost sensor system. Sensors, 19(24).

Hogekamp, L., Hogekamp, S. H., y Stahl, M. R. (2020). Experimental setup and image processing method for automatic enumeration of bacterial colonies on agar plates. PLOS ONE, 15(6). }

Inés, A., Maite, O., e Isabel, B. (2000). 2. Enumeración de microorganismos.

Marotz, J., Lübbert, C., y Eisenbeiß,W. (2001). Effective object recognition for automated counting of colonies in petri dishes (automated colony counting). Computer Methods and Programs in Biomedicine, 66(2-3):183–198.

Martín, J. P., Capó, Y. A., Morales, R. O., Pichardo, T., y López, A. A. (2022). Conteo de bacterias y levaduras en imágenes digitales. Medisur, 20(2).

Maurya, D. (2017). Colonycountj: A user-friendly image j add-on program for quantification of different colony parameters in clonogenic assay. Journal of Clinical Toxicology, 07.

Prager, M. S. d., Torre, F. M. d. l., y Otero, N. B. (2001). Microbiologia: Aspectos Fundamentales. Universidad Nacional de Colombia.

Ramirez, Luz Stella Marin Castaño, D. (2009). Metodologias para evaluar in vitro la actividad antibacteriana de compuestos de origen vegetal. Scientia Et Technica.

Rodrigues, P. M., Luís, J., y Tavaria, F. K. (2022). Image analysis semiautomatic system for colony-forming-unit counting. Bioengineering, 9(7):271.

Spiegelman, D., Whissell, G., y Greer, C. W. (2005). A survey of the methods for the characterization of microbial consortia and communities. Canadian Journal of Microbiology, 51(5):355–386.

Stolze, N., Bader, C., Henning, C., Mastin, J., Holmes, A. E., y Sutlief, A. L. (2019). Automated image analysis with imagej of yeast colony forming units from cannabis flowers. Journal of Microbiological Methods, 164:105681.

Torres, S. G., Hernández, S. C., y Jiménez, L. D. (2019). Bioadsorption of cr (vi) in aqueous solutions by pseudomonas koreensis immobilized in alginate beads. International Journal of Environmental Impacts: Management, Mitigation and Recovery, 2(3):229–239.

Trüper, H. G. y Kr¨amer, J. (1981). Principles of Characterization and Identification of Prokaryotes, pp. 176–193. Springer Berlin Heidelberg, Berlin, Heidelberg.