La segmentación automática de imágenes de microscopía es fundamental en campos como la biología celular, la patología digital y la investigación biomédica. Permite la cuantificación precisa de células, núcleos y estructuras, así como el estudio de su morfología y motilidad. Los métodos actuales enfrentan desafíos significativos debido a la alta variabilidad de las muestras, la diversidad de modalidades de imagen y el elevado coste de la anotación manual requerida por los métodos supervisados.
Las técnicas de segmentación levemente supervisada ofrecen una solución robusta, generalizable y controlable, lo que representa una oportunidad única para desarrollar herramientas aplicables a múltiples modalidades microscópicas, sin necesidad de realizar grandes reentrenamientos.
Este trabajo busca desarrollar y evaluar un segmentador automático no supervisado, medir su rendimiento en conjuntos de datos reales y proporcionar una herramienta práctica para los investigadores biomédicos.
English 
Spanish