Reconstrucción Isotrópica de Bio-Imágenes 3D
Arquitectura CycleGAN en PyTorch para traslación no pareada imagen a imagen, corrigiendo la distorsión anisotrópica en datos de microscopía de tejidos.
Resumen del Proyecto
En microscopía de fluorescencia y confocal de tejidos biológicos, la resolución axial ($z$) suele ser entre 3 y 5 veces menor que la resolución lateral ($xy$). Esta asimetría (anisotropía) introduce distorsiones geométricas severas al intentar reconstruir volúmenes tridimensionales de núcleos celulares, membranas y canalículos biliares.
Para resolver este desafío, diseñé e implementé una arquitectura generativa basada en CycleGAN en PyTorch, capaz de realizar una traslación imagen a imagen no pareada entre planos axiales de baja resolución ($xz$) y planos laterales de alta fidelidad ($xy$).
Desafíos Técnicos y Soluciones
- Pipeline de Ingestión Masiva: Se estructuró un cargador de datos de alto rendimiento para procesar y extraer más de 120,000 parches (resolución $128 \times 128$) a partir de 12 datasets de microscopía en formatos de tensores comprimidos
.npz. - Consistencia de Ciclo: La pérdida de ciclo (cycle-consistency loss) garantizó que las características morfológicas microscópicas no sufrieran alucinaciones visuales que pudieran comprometer el rigor biomédico.
- Documentación en LaTeX: Toda la arquitectura matemática, hiperparámetros y resultados experimentales fueron formalizados en informes técnicos en LaTeX como base de referencia investigativa.