Segmentación automática de la aorta abdominal en tomografías computarizadas cardíacas usando aprendizaje profundo
Loading...
Date
2022-03-29
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
La imagenología es una herramienta de apoyo diagnóstica bastante útil en el campo de la medicina, en particular, las Tomografías Computarizadas brindaron la posibilidad de explorar el cuerpo humano de manera no invasiva, pero el proceso de adquisición de las mismas las hace susceptibles al ruido ocasionado por múltiples factores, además que la composición de diversos elementos y tejidos hace difícil la identificación de los mismos, por lo tanto, es necesario segmentar las imágenes para aislar los diferentes componentes, pero este proceso usualmente es un proceso exhaustivo. La automatización de tareas, como por ejemplo, la identificación de patrones, es transversal a todas las áreas del conocimiento, la medicina no es ajena a ello.
El propósito de este trabajo de grado es aplicar métodos basados en técnicas de aprendizaje profundo para automatizar el proceso de segmentación de imágenes de tomografías computarizadas del área abdominal, dado que los métodos tradicionales son altamente dependientes de la intervención humana.
Principalmente se aprovecharon dos tipos de arquitecturas, las U-Net y las Seg-Net.
Donde el coeficiente de Dice para el entrenamiento de la red U-Net implementada es del 97 % y 87 % en entrenamiento y validación respectivamente. Para la red Seg-Net implementada el coeficiente de Dice fue del 87 % y 82 % en entrenamiento y validación respectivamente.
Permitiendo tener datos segmentados para la construcción de modelos tridimensionales.
Description
Keywords
Segmentación semántica, aprendizaje profundo, aorta, tomografías computarizadas, procesamiento de imágenes