Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Caracterización geométrica euclidiana y fractal de células falciformes

Geometric euclidean and fractal characterization of sickle cells



Abrir | Descargar

Cómo citar
Caracterización geométrica euclidiana y fractal de células falciformes. (2020). NOVA, 18(33), 43-62. https://doi.org/10.22490/https://doi.org/10.22490/24629448.3696

Dimensions
PlumX
Licencia

Licencia Creative Commons
NOVA por http://www.unicolmayor.edu.co/publicaciones/index.php/nova se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.

Así mismo,  los autores mantienen sus derechos de propiedad intelectual sobre los artículos.  

Javier Rodríguez
    Martha Castillo
      Ana Lucia Oliveros
        Yolanda Soracipa
          Signed Prieto

            Javier Rodríguez,

            MD. Director del Grupo Insight. Bogotá, Colombia


            Martha Castillo,

            Directora grupo Eritron. Docente, Universidad Mayor de Cundinamarca. Bogotá


            Ana Lucia Oliveros,

            Investigadora grupo Eritron. Docente, Universidad Mayor de Cundinamarca. Bogotá, Colombia.


            Yolanda Soracipa,

            Investigadora Grupo Insight. Bogotá, Colombia.


            Signed Prieto,

            Investigadora Grupo Insight. Bogotá, Colombia.


            Introducción: Estudios recientes proponen nuevas metodologías que permiten hacer el reconocimiento de las diferentes alteraciones en la forma de los glóbulos rojos, estableciendo patrones de comparación matemáticos y geométricos en el contexto de la geometría fractal y euclidiana. Objetivo: caracterizar la forma de las células falciformes mediante una metodología diseñada en el contexto de la geometría fractal y euclidiana. Metodología: se realizó un reconocimiento de 30 imágenes de células falciformes en frotis de sangre periférica. Las células falciformes fueron delineadas y superpuesta dos rejillas Kp de 5 x 5 píxeles y Kg de 10 x 10 píxeles, para calcular el espacio ocupado por estas células y la dimensión fractal mediante el método de Box Counting. Resultados: los espacios ocupados por las células falciformes variaron con la superposición de la rejilla de Kp entre 36 y 56; la superficie de células falciformes varió entre 969 y 1872 píxeles y las proporciones entre la superficie y los valores de la rejilla Kp variaron entre 23.1 y 39.6. Conclusiones: El presente estudio revela la posibilidad de hacer caracterizaciones más precisas en las células falciformes, a partir de los espacios de ocupación de estas al superponer la rejilla Kp y las proporciones entre la superficie, y no mediante los valores de la dimensión fractal, contribuyendo de esta manera en el diseño de metodologías que mejoren el reconocimiento de este tipo de células.


            Visitas del artículo 229 | Visitas PDF 96


            Descargas

            Los datos de descarga todavía no están disponibles.

            1. Mandelbrot B. The Fractal Geometry of Nature. San Francisco: Freeman Ed; 1972. p. 341-348.

            2. Peitgen H, Jurgens H, Saupe D. Limits and self similarity. In: Chaos and Fractals: New Frontiers of Science. N.Y. Springer-Verlag; 1992. p. 129-172.

            3. Bruce T. M. Spatial Aggregation and Neutral Models in Fractal Landscapes The American Naturalist 1992; 139(1): 32-57.

            4. Rodríguez J, Prieto S, Correa C, Bernal P, Puerta G, Vitery S, et al. Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony. BMC Medical Physics. 2010; 10:1-6.

            5. Rodríguez J, Prieto S, Soracipa Y, Correa C, Forero G, Cifuentes R, Aguirre G, Salamanca A, Bernal H. Generalización diagnóstica fractal de la morfología cardiaca ventricular izquierda: anormalidades moderadas y severas a partir del ventriculograma. Universitas Médica. 2018; 59(1):1-9.

            6. Correa C, Rodríguez J, Prieto S, Álvarez L, Ospino B, Munévar A, et al. Geometric diagnosis of erythrocyte morphophysiology. J. Med. Med. Sci 2012; 3(11): 715-720.

            7. Rodríguez J. Prieto S, Correa S, Mejía M, Ospino B, Munevar Á, et al. Simulación de estructuras eritrocitarias con base en la geometría fractal y euclidiana. Arch Med (Manizales) 2014; 14(2): 276-284.

            8. Rodríguez J, Moreno N, Alfonso D, Méndez M, Flórez A. Caracterización Geométrica de la morfología del Equinocito. Arch Med. 2017;13(1):1–5.

            9. Rodríguez J, Soracipa Y, Ovalle A, Castro M, Snejoa N, Quijano B, et al, Geometría fractal aplicada para comparar los espacios ocupados por eritrocitos normales y esferocitos. Archivos de Medicina. 2018; 1:13-23.

            10. Rodríguez J, Escobar S, Abder L, del Río J, Quintero L, Ocampo D. Nueva metodología geométrica para evaluar la morfología del eritrocito normal. Nova 2017; 15(27), 37-43.

            11. Rodríguez J, Soracipa Y, Ovalle A, Castro M, Snejoa N, Quijano B, et al, Geometría fractal aplicada para comparar los espacios ocupados por eritrocitos normales y esferocitos. Archivos de Medicina. 2018; 1:13-23.

            12. Juliania A, Biesa A, Boydstonb C, Taylorb R, Margaret S. Sereno. Navigation performance in virtual environments varies with fractal dimension of landscape. Journal of Environmental Psychology. 2016; 47:115-16.

            13. Carr J. Atlas de la hematología. Bogotá: Panamericana. 2009.

            14. CDS. Información básica sobre la enfermedad de células falciformes. Disponible en: https://www.cdc.gov/ncbddd/spanish/sicklecell/facts.html

            15. Mukhopadhyay R, Gerald Lim H W, Wortis M. Echinocyte Shapes: Bending, Stretching, and Shear Determine Spicule Shape and Spacing. Biophys J 2002; 82(4): 1756–1772.

            16. Campuzano G. Utilidad clínica del extendido de sangre periférica: los eritrocitos. Medicina & laboratorio. 2008; 14(7-8): 311-313.

            17. Miale J.B. Hematología medicina de laboratorio. Barcelona: Editorial reverte S.A. 1985.

            18. Price-Jones, C. (1933). Red Blood Cell Diameters. Oxford University Press, London.

            19. Constantino B. Red Cell Distribution Width, Revisited. Laboratory Medicine. 2013;44(Issue 2):e2–e9.

            20. Diggs L.W., Bibb J. The erythrocyte in sickle cell anemia morphology, size, hemoglobin content, fragility and sedimentation rate. JAMA. 1939;695-701.

            21. Velásquez J, Prieto S, Catalina C, Dominguez D, Cardona DM, Melo M. Geometrical nuclear diagnosis and total paths of cervical cell evolution from normality to cancer. J Cancer Res Ther 2015; 11(Issue 1): 98-104.

            22. Rodríguez J, Prieto S, Correa C, Domínguez D, Pardo J, Mendoza F, Soracipa Y, Olarte N, Cardona D, Mendez L. Clinic application of a cardiac diagnostic method based on dynamic systems theory. Res. J. Cardiol. 2017; 10.

            23. Rodríguez J, Prieto S, Flórez M, Alarcón C, López R, Aguirre G, et al. Physical-mathematical diagnosis of cardiac dynamic on neonatal sepsis: predictions of clinical application. J. Med. Sci 2014; 5(5): 102-108.

            24. Rodríguez J. Dynamical systems applied to dynamic variables of patients from the intensive care unit (ICU): Physical and mathematical mortality predictions on ICU. J. Med. Med. Sci 2015; 6(8):209-220.

            25. Rodríguez J, Bernal P, Álvarez L, Pabón S, Ibáñez S, Chapuel N, et al. Predicción de unión de péptidos de MSP-1 y EBA-140 de plasmodium falciparum al HLA clase II Probabilidad, combinatoria y entropía aplicadas a
            secuencias peptídicas. Inmunología 2010; 29(3):91-99.

            26. Rodríguez J. Método para la predicción de la dinámica temporal de la malaria en los municipios de Colombia. Rev Panam Salud Pública 2010; 27(3):211-8.

            27. Rodríguez J, Prieto S, Correa C, Forero M, Pérez C, Soracipa Y, et al. Teoría de conjuntos aplicada al recuento de linfocitos y leucocitos: predicción de linfocitos T CD4 de pacientes con VIH/SIDA. Inmunología. 2013; 32(2): 50-56.

            Sistema OJS 3.4.0.5 - Metabiblioteca |