Identificaci´ on y localizaci´on de c´ elulas gliales en im´ agenes de tejido cerebral KarlaMandujano-L´opez 1 , Juan Villegas-Cortez 2 , Graciela Rom´an-Alonso 1 , Arturo Zu˜ niga-L´ opez 3 , Edgar Rangel-L´opez 4 , C´ esar Benavides-Alvarez 1 1 Universidad Aut´ onoma Metropolitana, Departamento de Ingenier´ ıa El´ ectrica, Ciudad de M´ exico, M´ exico 2 Universidad Aut´ onoma Metropolitana, Departamento de Sistemas, Ciudad de M´ exico, M´ exico 3 Universidad Aut´ onoma Metropolitana, Departamento de Electr´ onica, Ciudad de M´ exico, M´ exico 4 Instituto Nacional de Neurolog´ ıa y Neurocirugia Manuel Velasco Su´ arez, Ciudad de M´ exico, M´ exico {karlamanlop, cesarbenavides32}@gmail.com, juanvc@azc.uam.mx, grac@xanum.uam.mx, raledg@hotmail.com Resumen. En este art´ ıculo se propone un sistema de procesamiento digital de im´ agenes para la identificaci´ on autom´ atica de c´ elulas gliales de tejido cerebral. El prop´ osito es apoyar al especialista, que al seleccionar una regi´ on de inter´ es (ROI) en una imagen de tejido cerebral, se procede a buscar esa ROI en toda la imagen en cuesti´ on. La metodolog´ ıa propuesta trabaja a nivel textura por lo que primero aplica un preprocesamiento a toda la imagen: se extraen atributos CBIR probados en la literatura, dan- do como resultado la posibilidad de analizar de forma local a una imagen espec´ ıfica para localizar regiones similares en la misma imagen. Nuestra propuesta hace uso de una discriminaci´ on de los patrones conformados usando m´ etrica euclidiana, tras implementar el m´ etodo K-Nearest Neigh- bors para una auto-organizaci´ on de los patrones de textura conformados. Se han realizado pruebas con un total de 312 im´ agenes de laboratorio, puramente experimentales obtenidas del microscopio en formato TIFF, y se han obtenido resultados prometedores bajo la supervisi´ on del espe- cialista en biolog´ ıa celular. Palabras clave: Clasificaci´ on de c´ elulas, procesamiento digital de im´ age- nes, CBIR, K-NN, reconocimiento de patrones. 297 ISSN 1870-4069 Research in Computing Science 149(8), 2020 pp. 297–309