En el área de Computer Vision existe una gran variedad de métodos para estimar el movimiento aparente 2D de una seria de imágenes bajo el nombre de flujo óptico (optical flow). En estos métodos se estima un campo vectorial denso de movimiento (un vector por pixel) bajo supuestos de constancia de brillo o similares mediante métodos de optimización. Mas recientemente se han introducido métodos de DeepLearning para hacer la estimacion de flujo óptico, como RAFT: Recurrent All-Pairs Field Transforms, entre otros.

Sin embargo, cuando se observan imágenes de microscopia donde el brillo representa moléculas, los supuestos que se usan al estimar flujo óptico se suelen romper, pues en un sistema vivo se crea/destruye brillo. En esta tesis se propone evaluar un método del estado del arte de estimacion de flujo óptico usando deep learning en imágenes biomédicas y en base a esta evaluacion proponer mejoras que puedan para estimar correctamente el movimiento en aplicaciones de microscopia.