Nueva metodología geométrica para evaluar la morfología del eritrocito normal

New physical and mathematical methodology to evaluate the morphology of normal erythrocyte

Objetivo. Desarrollar una nueva metodología para caracterizar la estructura del eritrocito normal mediante el espacio ocupado por el anillo del eritrocito normal caracterizado con el método de Box Counting. Método. se analizaron las imágenes de 20 extendidos de sangre periférica, cuyos eritrocitos fueron evaluados por un experto como normales. Se superpusieron dos rejillas Kp de 5 x 5 pixeles y Kg de 10 x 10 pixeles, para calcular el espacio ocupado por dos regiones del eritrocito estos son, el disco y centro de este, visto de manera frontal mediante el método de Box Counting. Resultados. Los espacios ocupados por la región del disco con la rejilla Kp variaron entre 47 y 56, la región del centro del eritrocito, varió entre 9 y 14. La dimensión fractal de estas dos regiones varió entre 0,941 y 1,115 para el disco, entre 0,652 y 1,222 para el centro. Conclusiones. La estructura del eritrocito normal puede ser caracterizada mediante el espacio ocupado por cada una de las regiones del eritrocito a partir de la geometría fractal.  

1. REFERENCIAS
2. Mandelbrot B. How Long Is the Coast of Britain? Statistical Self-Similarity and Fractional Dimension. Science, 1967; 156: 636-38.
3. Mandelbrot B. Árboles jerárquicos o de clasificación, y la dimensión. En: Los Objetos Fractales. Barcelona: Tusquets Eds S.A. 2000: 161-6.
4. Mandelbrot B. The Fractal Geometry of Nature. San Francisco: Freeman Ed; 1972. p. 341-348.
5. Peitgen H, Jürgens H, Saupe D. The Box-Counting Dimension En: Chaos and Chaos and Fractals: New Frontiers of Science. New York: Springer-Verlag. 1992. pp.
6. Campuzano G. Utilidad clínica del extendido de sangre periférica: los eritrocitos. Medicina & Laboratorio. 2008; 14(7-8): 311-313. Disponible en: http://www.medigraphic.com/pdfs/
7. medlab/myl-2008/myl087-8b.pdf.
8. Alice Charwudzi, Edeghonghon E. Olayemi, Ivy Ekem, Olufunmilayo Olopade, Mariann Coyle, Amma Anima Benneh, Emmanuel Alote Allotey. A Preliminary Study of the Suitability
9. of Archival Bone Marrow and Peripheral Blood Smears for Diagnosis of CML Using FISH. Adv Hematol. 2014; 2014: 604165.
10. Pinzón R, Garavito G, Hata Y, Artega L, García J.D. Desarrollo de un sistema de análisis automático de imágenes de Extendido Sanguíneos. En Memorias del Congreso Español de
11. la Sociedad de Ingeniería Biomédica; 2004. p.45-59.
12. Rodríguez J, Correa C, Prieto S, Ospino B, Bernal P, Ortiz L, Munévar A. Caracterización geométrica de los glóbulos rojos. Diferenciación de muestras normales y patológicas. Rev.
13. Cienc. Salud. 6 (3): 47-56.
14. 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.
15. Rodríguez J. Prieto S, Correa S, Mejía M, Ospino B, Munevar Á, Amaya B, Duarte Y, Medina S, Felipe C. Simulación de estructuras eritrocitarias con base en la geometría fractal y euclidiana.
16. Arch Med (Manizales) 2014, 14(2): 276-284.
17. Monica Diez-Silva, Ming Dao, Jongyoon Han, Chwee-Teck Lim, Subra Suresh. Shape and Biomechanical Characteristics of Human Red Blood Cells in Health and Disease. MRS Bull.
18. May; 35(5): 382–388.
19. Thurston Herricks,a Karl B. Seydel, Malcolm Molyneux, Terrie Taylor, and Pradipsinh K. Rathoda. Estimating Physical Splenic Filtration of Plasmodium falciparum Infected Red
20. Blood Cells in Malaria Patients. Cell Microbiol. 2012 Dec; 14(12): 1880–1891.
21. Zuk A, Targosz M, Szymonski M. Effect of selected drugs used in asthma treatment on morphology and elastic properties of red blood cells. Int J Nanomedicine. 2011; 6: 249–257.
22. Xu D, Peng M, Zhang Z, Dong G, Zhang Y, Yu H. Study of damage to red blood cells exposed to different doses of γ-ray irradiation. Blood Transfus. 2012; 10(3): 321–330.
23. Kuo CD, Bai JJ, Chien S. A fractal model for erythrocyte sedimentation. Biorheology. 1994; 1:77-89.
24. Tang P, Greenwood J, Raper JA. A model to describe the settling behavior of fractal aggregates. J Colloid Interface Sci. 2002; 247(1):210-9.
25. Rodriguez 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.
26. Rodríguez J, Prieto S, Correa C, Bernal P, Álvarez L, Forero G, et al. Diagnóstico fractal del ventriculograma cardiaco izquierdo. Geometría fractal del ventriculograma durante la dinámica
27. cardiaca. Rev Colomb Cardiol. 2012; 19(1):18-24.
28. 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. Journal of Cancer Research and Therapeutics 2015; 11(Issue 1): 98-104.
29. Fernández A. Orden y Caos. Introducción. En: Ed. Prensa Científica S.A. España; 1990; p.4-8.
30. Prieto S, Rodríguez J, Correa C, Soracipa Y. Diagnosis of cervical cells based on fractal and Euclidian geometrical measurements: Intrinsic Geometric Cellular Organization. BMC
31. Medical Physics 2014, 14(2):1-9.
32. 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. Journal of Cancer Research and Therapeutics 2015; 11(Issue 1): 98-104.
33. Rodríguez J, Prieto S, Domínguez D, Melo M, Mendoza F, Correa C, et al. Mathematical-physical prediction of cardiac dynamics using the proportional entropy of dynamic systems. J. Med. Med. Sci. 2013; 4(8):370-381
34. Rodríguez J. Nuevo diagnóstico físico y matemático de la monitoria fetal: predicción de aplicación clínica. Momento Revista de Física. 2012; 44: 49-65.
35. 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.
36. Med. Sci.2014; 5(5): 102-108.
37. 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.
38. 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.
39. 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.
40. Rodríguez J, Bernal P, Prieto S, Correa C. Teoría de péptidos de alta unión de malaria al glóbulo rojo. Predicciones teóricas de nuevos péptidos de unión y mutaciones teóricas predictivas de aminoácidos críticos. Inmunología 2010; 29(1):7-19.
41. 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
42. VIH/SIDA. Inmunología. 2013; 32(2): 50-56.
43. Rodríguez J, Prieto S, Correa C, Mora J, Bravo J, Soracipa Y, et al. Predictions of CD4 lymphocytes’ count in HIV patients from complete blood count. BMC Medical Physics. BMC
44. Medical Physics. 2013; 13:3.
45. Rodríguez Z, Veloza L, Baena del Valle J, Ramos R, Gómez C, Gómez D. Parámetros hematológicos de pacientes con fibrósis quística de la costa caribe colombiana: análisis y asociación con aislamiento de pseudomonas aerugisona. NOVA. 2009; (7) 11: 91 - 102.
46. Páez, L. C. C., et al. Comparación del cultivo celular de HeLa y HEp-2: Perspectivas de estudios con Chlamydia trachomatis. 2015; Nova 13(23)
47. DOI: http://dx.doi.org/10.22490/24629448.1957