Plataforma TI de vigilancia entomológica del Aedes aegypti con colaboración colectiva, Web GIS y mHealth / IT platform for entomological surveillance of Aedes aegypti with crowdsourcing, Web GIS and mHealth / Plataforma de TI para vigilância entomològica de Aedes aegypti com colaboração coletiva, Web GIS e mHealth

RESUMEN El mosquito Aedes aegypti es una especie antropoflica que se ha adaptado a entornos urbanos y es el principal vector de enfermedades como el dengue, la fiebre de Zika, la enfermedad del Chikungunya y la fiebre amarilla, lo que representa una importante carga al sistema de salud, en especial en países tropicales donde es endèmico. Ejercer apropiadamente la vigilancia en salud pública es fundamental para la prevención de estas enfermedades mediante sistemas de información. El propósito de este trabajo es proporcionar una plataforma de tecnologias de la información (TI), integrando tecnologias abiertas Web GIS y mHealth para la vigilancia entomológica del vector a partir de colaboración abierta distribuida para la generación de mapas de infestación. Se realizó un piloto con un grupo focal de 23 estudiantes del curso de epidemiologia, que permitió registrar l20 elementos en 55 reportes en la Universidad de los Llanos para la generación automática de 21 mapas de calor de sintomas, zancudos y criaderos, y un mapa global de infestación. Este trabajo sugiere una perspectiva novedosa de interacción y participación colaborativa de la comunidad con las autoridades de salud soportado por las TI.

ABSTRACT The Aedes aegypti mosquito is an anthropophilic species that has adapted to urban environments and it is the main vector of diseases such as dengue, Zika fever; Chikungunya disease and yellow fever; which represents a significant burden on the health system, especially in tropical countries where it is endemic. Properly exercising public health surveillance is essential for the prevention of these diseases through information systems. The purpose of this work is to provide an information technology (IT) platform, integrating open technologies Web GIS and mHealth for the entomological surveillance ofthe vector; based on crowdsourcing for the generation of infestation maps. A pilot was carried out with a focus group of 23 students from the epidemiology course, which allowed the registration of l20 elements in 55 reports at the Universidad de los Llanos for the automatic generation of 2l heatmaps of symptoms, mosquitoes and breeding sites, and a global infestation map. This work suggests a novel perspective of interaction and collaborative participation of the community with health authorities supported by IT

RESUMO O mosquito Aedes aegypti è uma espècie antropofílica que se adaptou aos ambientes urbanos e è o principal vetor de doenças como dengue, febre Zika, doença Chikungunya e febre amarela, o que representa uma carga significativa para o sistema de saúde, especialmente em países tropicais onde é endêmica. O exercício adequado da vigilância em saúde pública è essencial para a prevenção dessas doenças por meio de sistemas de informação. O objetivo deste trabalho è fornecer uma plataforma de tecnologia da informação (TI), integrando tecnologias abertas Web GIS e mHealth para a vigilância entomológica do vetor com base em uma colaboração aberta distribuída para a geração de mapas de infestação. Um piloto foi realizado com um grupo focal de 23 estudantes do curso de epidemiologia, que permitiu o registro de l20 elementos em 55 relatórios na Universidad de los Llanos para a geração automática de 2l mapas de calor de sintomas, mosquitos e criadouros, e um mapa de infestação global. Este trabalho sugere uma nova perspectiva de interação e participação colaborativa da comunidade com autoridades de saúde apoiadas por TI.

Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales / Classification and automatic mapping of land covers in satellite images using Convolutional Neural Networks / Classificação e mapeamento automático de coberturas do solo em imagens de satélite usando redes neurais convolucionais

Resumen La clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios ecosistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales convolucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parches entre Bosques, áreas con vegetación herbácea y/o arbustiva, áreas abiertas sin o con poca vegetación y aguas continentales.

Abstract Land cover classification is important for studies of climate change and monitoring of ecosystem services. Conventional coverage classification methods are performed by the visual interpretation of satellite imagery, which is expensive and inaccurate. Implementing computational methods could generate procedures to classify coverage in satellite images automatically, quickly, accurately and economically. Particularly, automatic learning methods are promising computational methods for estimating soil cover changes. In this work we present an automatic learning method based on convolutional neural networks of ConvNet type architecture for the automatic classification of soil coverings from Landsat 5 TM images. The ConvNet was trained from the manual annotations by means of visual interpretation on the satellite images with which the experts generated the map of Tuparro national park, of National Natural Park of Colombia. The validation model was performed with data from the Colombian Amazon cover maps made by the Colombian Environmental Information System. The results obtained from the diagonal of the confusion matrix of the average accuracy were 83.27% in training and 91.02% in validation; for the classification in patches between forests, areas with herbaceous and / or shrub vegetation, open areas with or without vegetation and Inland waters.

Resumo A classificação da cobertura da terra é importante para estudos de mudanças climáticas e monitoramento dos serviços dos ecossistemas. Os métodos convencionais de classificação de cobertura são feitos através da interpretação visual de imagens de satélite, que é caro, dispendioso e impreciso. Implementar métodos computacionais poderia gerar procedimentos de classificação de cobertura em imagenes de satélite de forma automática, rápida, precisa e econômica. Particularmente, métodos de aprendizado de máquina são promissores métodos computacionais para estimar a cobertura do solo mudanças. Neste artigo apresentamos um método de aprendizado de máquina baseado em convolutional neural tipo ConvNet rede de arquitetura para a classificação automática de cobertura do solo a partir de Landsat 5 imagens TM. O ConvNet foi treinado desde anotações manuais através da interpretação visual das imagens de satélite que os especialistas geraram o mapa de cobertura do Parque Nacional Tuparro, Colômbia Parque Nacional Natural. A validação do modelo foi realizada com cobertura de mapa de dados da Amazônia colombiana pelo Sistema de Informação Ambiental da Colômbia. Os resultados da diagonal da matriz de confusão da precisão média foi de 83,27% e Formação e 91,02% na validação; para a classificação em manchas entre florestas, áreas com vegetação herbácea e / ou arbusto, áreas abertas com poucamou nenhuma vegetação águas interiores.

Histopathology image representation for automatic analysis: a state-of-the-art review / Representación de imágenes de histopatología utilizada en tareas de análisis automático: estado del arte / Representação de imagens histopatológicas pelo análise automático: revisão do estado da arte

This paper presents a review of the state-of-the-art in histopathology image representation used in automatic image analysis tasks. Automatic analysis of histopathology images is important for building computer-assisted diagnosis tools, automatic image enhancing systems and virtual microscopy systems, among other applications. Histopathology images have a rich mix of visual patterns with particularities that make them difficult to analyze. The paper discusses these particularities, the acquisition process and the challenges found when doing automatic analysis. Second an overview of recent works and methods addressed to deal with visual content representation in different automatic image analysis tasks is presented. Third an overview of applications of image representation methods in several medical domains and tasks is presented. Finally, the paper concludes with current trends of automatic analysis of histopathology images like digital pathology.

Este artículo presenta una revisión del estado del arte en la representación de imágenes de histopatología utilizada en tareas de análisis automático. El análisis de imágenes hispatológicas es importante en la construcción de herramientas para el diagnóstico asistido por computador, sistemas de mejoramiento automático de imágenes y sistemas de microscopía virtual, entre otras aplicaciones. Estas imágenes tienen una gran mezcla de patrones visuales con características particulares que hacen de su análisis una tarea difícil. El artículo discute estas particularidades, el proceso de adquisición y los retos particulares al realizar un análisis automático. En la segunda sección se presenta una revisión de trabajos y métodos recientes enfocados a la representación del contenido visual en diferentes tareas de análisis automático. En tercer lugar, se presenta una visión general de las aplicaciones para los métodos de representación en diferentes dominios médicos. Finalmente el trabajo concluye con las actuales tendencias del análisis automático de imágenes de histopatología como la patología digital.

Este artigo é uma revisão do estado da arte na representação de imagens histopatológicas utilizadas nas tarefas de análise automáticos. O análise de imagens histopatológicas é importante na construção de ferramentas para o diagnóstico assistido por computador, sistemas de melhoramento automático de imagens e sistemas de microscopia virtual. Essas imagens tem uma grande mistura de padrões visuais com caraterísticas particulares, que fazem do análise uma tarefa difícil. O artigo discute essas particularidades, o processo de aquisição, e os desafios particulares no momento de realizar uma análise automático. Na segunda seção se apresenta uma revisão dos trabalhos e métodos recentes, com foco à representação do conteúdo visual em diferentes tarefas de análise automático. Na terceira, se apresenta uma visão geral das aplicações para os métodos de representação em diferentes domínios médicos. Finalmente, o artigo conclui com as atuais tendências do análise automático de imagens histopatológicas como a patologia digital.

Cuantificación de los melanocitos en la piel facial: otra ayuda para evaluar los bordes de resección del melanoma / Quantification of melanocytes in facial skin: another help for evaluation of resection borders of melanoma

Introducción: Los melanocitos epidérmicos están ampliamente separados entre sí, rodeados por un halo; son de citoplasma claro y núcleo picnótico, más pequeño que el de los queratocitos. En la cara es difícil diferenciar entre los cambios por exposición solar y un melanoma in situ, así como establecer si los bordes de resección de un melanoma in situ tienen tumor o si los melanocitos presentes sólo tienen cambios por el sol. Objetivo: Cuantificar el número de melanocitos en adultos normales y en los bordes de resección sin tumor, de carcinomas basocelulares y de melanomas in situ de la piel malar. Materiales y métodos: Se estudiaron veinticinco especímenes de piel tipo I-II de la mejilla de adultos mayores de 40 años, siete de autopsias de hombres, once de los bordes de carcinomas basocelulares y siete de los bordes de resección de melanomas in situ, libres de tumor. Con la coloración de hematoxilina-eosina, tres observadores contaron los melanocitos basales por milímetro lineal en cada espécimen, usando un fotomicroscopio Axiophot Zeiss. Resultados: En un milímetro lineal (3 campos de 40X), el número de melanocitos fue de 18±3 en la piel normal, de 22±7 en los bordes del carcinoma basocelular y de 30±9 en los del melanoma in situ. Conclusiones: El número máximo de melanocitos en un campo de 40X en los tejidos estudiados no debe exceder de 7,5±4 (30 melanocitos) por mm lineal. Un número mayor es una alerta que debe unirse a otros cambios para determinar si hay persistencia de melanoma in situ.