Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D
La segmentación de estructuras y tejidos en la vía aérea superior proporciona herramientas para encontrar posibles causas de la apnea obstructiva del sueño (AOS) y su relación con estas estructuras. El tejido adiposo en la región parafaríngea puede estar relacionado con la obstrucción de la vía aére...
- Autores:
-
Chaves Burbano, Daniel Sebastian
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/66844
- Acceso en línea:
- http://hdl.handle.net/10554/66844
- Palabra clave:
- Segmentacion de imagenes
Procesamiento de imagenes medicas
Redes convolucionales
Image segmentation
Medical imaging processing
Convolutional networks
Especialización en radiología - Tesis y disertaciones académicas
Procesamiento de imágenes
Segmentación (Informática)
Procesamiento digital de imágenes
Aprendizaje de máquinas
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
id |
JAVERIANA2_dfb1ede9f9a931a260913402fe1a8d9f |
---|---|
oai_identifier_str |
oai:repository.javeriana.edu.co:10554/66844 |
network_acronym_str |
JAVERIANA2 |
network_name_str |
Repositorio Universidad Javeriana |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
dc.title.english.spa.fl_str_mv |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
title |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
spellingShingle |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D Segmentacion de imagenes Procesamiento de imagenes medicas Redes convolucionales Image segmentation Medical imaging processing Convolutional networks Especialización en radiología - Tesis y disertaciones académicas Procesamiento de imágenes Segmentación (Informática) Procesamiento digital de imágenes Aprendizaje de máquinas |
title_short |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
title_full |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
title_fullStr |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
title_full_unstemmed |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
title_sort |
Automatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3D |
dc.creator.fl_str_mv |
Chaves Burbano, Daniel Sebastian |
dc.contributor.advisor.spa.fl_str_mv |
Uriza Carrasco, Luis Felipe |
dc.contributor.author.spa.fl_str_mv |
Chaves Burbano, Daniel Sebastian |
dc.subject.none.fl_str_mv |
Segmentacion de imagenes Procesamiento de imagenes medicas Redes convolucionales |
topic |
Segmentacion de imagenes Procesamiento de imagenes medicas Redes convolucionales Image segmentation Medical imaging processing Convolutional networks Especialización en radiología - Tesis y disertaciones académicas Procesamiento de imágenes Segmentación (Informática) Procesamiento digital de imágenes Aprendizaje de máquinas |
dc.subject.keyword.none.fl_str_mv |
Image segmentation Medical imaging processing Convolutional networks |
dc.subject.armarc.none.fl_str_mv |
Especialización en radiología - Tesis y disertaciones académicas |
dc.subject.armarc.spa.fl_str_mv |
Procesamiento de imágenes Segmentación (Informática) Procesamiento digital de imágenes Aprendizaje de máquinas |
description |
La segmentación de estructuras y tejidos en la vía aérea superior proporciona herramientas para encontrar posibles causas de la apnea obstructiva del sueño (AOS) y su relación con estas estructuras. El tejido adiposo en la región parafaríngea puede estar relacionado con la obstrucción de la vía aérea en pacientes con AOS. El objetivo de este estudio fue diseñar una red neuronal convolucional para la detección y segmentación del tejido adiposo en la región parafaríngea. Materiales y métodos: El estudio utilizó un conjunto de datos de 64 imágenes de resonancia magnética ponderadas en T1, seleccionadas al azar de un total de 140 imágenes, y sus respectivas segmentaciones manuales de la grasa parafaríngea. A partir de la selección de las imágenes, se realizó un preprocesamiento, principalmente mediante recorte y reescalado. Se realizó el entrenamiento de la red neuronal, se segmentaron las imágenes y la segmentación se evaluó mediante el coeficiente de Dice. Finalmente, se calculó el volumen de grasa parafaríngea y se comparó con el volumen de la segmentación manual. Resultados: Se obtuvo un coeficiente de Dice medio de 0.8086 para la red Unet 3D con función de activación ReLU y 0.6367 con la misma red pero utilizando la función de activación sigmoide. Conclusión: La red neuronal 3D Unet implementada permite la segmentación automática de la grasa parafaríngea y tiene un uso potencial para encontrar relaciones entre la presencia de grasa parafaríngea y la existencia y gravedad de la AOS, presentando resultados superiores en términos de coeficiente de Dice en comparación con otros estudios |
publishDate |
2023 |
dc.date.created.spa.fl_str_mv |
2023-12-11 |
dc.date.accessioned.none.fl_str_mv |
2024-03-07T20:50:48Z |
dc.date.available.none.fl_str_mv |
2024-03-07T20:50:48Z |
dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10554/66844 |
dc.identifier.instname.none.fl_str_mv |
instname:Pontificia Universidad Javeriana |
dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional - Pontificia Universidad Javeriana |
dc.identifier.repourl.none.fl_str_mv |
repourl:https://repository.javeriana.edu.co |
url |
http://hdl.handle.net/10554/66844 |
identifier_str_mv |
instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.licence.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.coar.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
PDF |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Pontificia Universidad Javeriana |
dc.publisher.program.none.fl_str_mv |
Especialización en Radiología |
dc.publisher.faculty.none.fl_str_mv |
Facultad de Medicina |
publisher.none.fl_str_mv |
Pontificia Universidad Javeriana |
institution |
Pontificia Universidad Javeriana |
bitstream.url.fl_str_mv |
http://repository.javeriana.edu.co/bitstream/10554/66844/1/attachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdf http://repository.javeriana.edu.co/bitstream/10554/66844/2/attachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdf http://repository.javeriana.edu.co/bitstream/10554/66844/3/attachment_3_5.-Carta-sometimiento.pdf http://repository.javeriana.edu.co/bitstream/10554/66844/4/attachment_4_6.-URL.docx http://repository.javeriana.edu.co/bitstream/10554/66844/5/attachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdf.jpg http://repository.javeriana.edu.co/bitstream/10554/66844/6/attachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdf.jpg http://repository.javeriana.edu.co/bitstream/10554/66844/7/attachment_3_5.-Carta-sometimiento.pdf.jpg |
bitstream.checksum.fl_str_mv |
3c74d6b8f11c130e8725680200f14708 4bc405ec21206353c98aeab7d83f35fa 3443fe60b8567d893890be7f2fe60a4b c57fc460dd1cc3167de640fe60ebb793 468e6cda9c7fed349dad03484ef31927 e6e3dcd0514862fb7bab666e4db91e85 ef65ae0bd640205ee1ee7aa388cb987f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional - Pontificia Universidad Javeriana |
repository.mail.fl_str_mv |
repositorio@javeriana.edu.co |
_version_ |
1814337502011457536 |
spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Uriza Carrasco, Luis FelipeChaves Burbano, Daniel Sebastian2024-03-07T20:50:48Z2024-03-07T20:50:48Z2023-12-11http://hdl.handle.net/10554/66844instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.coLa segmentación de estructuras y tejidos en la vía aérea superior proporciona herramientas para encontrar posibles causas de la apnea obstructiva del sueño (AOS) y su relación con estas estructuras. El tejido adiposo en la región parafaríngea puede estar relacionado con la obstrucción de la vía aérea en pacientes con AOS. El objetivo de este estudio fue diseñar una red neuronal convolucional para la detección y segmentación del tejido adiposo en la región parafaríngea. Materiales y métodos: El estudio utilizó un conjunto de datos de 64 imágenes de resonancia magnética ponderadas en T1, seleccionadas al azar de un total de 140 imágenes, y sus respectivas segmentaciones manuales de la grasa parafaríngea. A partir de la selección de las imágenes, se realizó un preprocesamiento, principalmente mediante recorte y reescalado. Se realizó el entrenamiento de la red neuronal, se segmentaron las imágenes y la segmentación se evaluó mediante el coeficiente de Dice. Finalmente, se calculó el volumen de grasa parafaríngea y se comparó con el volumen de la segmentación manual. Resultados: Se obtuvo un coeficiente de Dice medio de 0.8086 para la red Unet 3D con función de activación ReLU y 0.6367 con la misma red pero utilizando la función de activación sigmoide. Conclusión: La red neuronal 3D Unet implementada permite la segmentación automática de la grasa parafaríngea y tiene un uso potencial para encontrar relaciones entre la presencia de grasa parafaríngea y la existencia y gravedad de la AOS, presentando resultados superiores en términos de coeficiente de Dice en comparación con otros estudiosRationale and Objectives: Segmentation of structures and tissues in the upper airway provides tools to find possible causes of Obstructive Sleep Apnea (OSA) and their relationship to these structures. Fatty tissue in the parapharyngeal region may be related to airway obstruction in patients with OSA. The aim of this study was to design a convolutional neural network for the detection and segmentation of fat tissue in the parapharyngeal region. Materials and Methods: The study used a dataset of 64 T1-weighted magnetic resonance images, randomly selected from a total of 140 images, and their respective manual segmentations of parapharyngeal fat. From the selection of the images, preprocessing was performed, mainly by cropping and rescaling. The neural network training was performed, the images were segmented, and the segmentation was evaluated by Dice coefficient. Finally, the volume of parapharyngeal fat was calculated and compared with the volume of manual segmentation. Results: A mean Dice coefficient of 0.8086 was obtained for the Unet 3D network with ReLU activation function and 0.6367 with the same network but using the sigmoid activation function. Conclusion: The implemented 3D Unet neural network allows the automatic segmentation of parapharyngeal fat and has a potential use in finding relationships between the presence of parapharyngeal fat and the existence and severity of OSA, presenting superior results than in other studies in terms of Dice coefficient.Especialista en RadiologíaEspecializaciónhttps://orcid.org/0000-0002-3168-3057https://scholar.google.com/citations?hl=es&user=RIYg7OEAAAAJhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000034248PDFapplication/pdfspaPontificia Universidad JaverianaEspecialización en RadiologíaFacultad de MedicinaSegmentacion de imagenesProcesamiento de imagenes medicasRedes convolucionalesImage segmentationMedical imaging processingConvolutional networksEspecialización en radiología - Tesis y disertaciones académicasProcesamiento de imágenesSegmentación (Informática)Procesamiento digital de imágenesAprendizaje de máquinasAutomatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3DAutomatic segmentation of parapharyngeal fat in magnetic resonance imaging using U-net 3DTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisORIGINALattachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdfattachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdfDocumentoapplication/pdf841490http://repository.javeriana.edu.co/bitstream/10554/66844/1/attachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdf3c74d6b8f11c130e8725680200f14708MD51open accessattachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdfattachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdfAnexo 1application/pdf1199673http://repository.javeriana.edu.co/bitstream/10554/66844/2/attachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdf4bc405ec21206353c98aeab7d83f35faMD52open accessattachment_3_5.-Carta-sometimiento.pdfattachment_3_5.-Carta-sometimiento.pdfAnexo 2application/pdf86721http://repository.javeriana.edu.co/bitstream/10554/66844/3/attachment_3_5.-Carta-sometimiento.pdf3443fe60b8567d893890be7f2fe60a4bMD53open accessattachment_4_6.-URL.docxattachment_4_6.-URL.docxAnexo 3application/octet-stream12562http://repository.javeriana.edu.co/bitstream/10554/66844/4/attachment_4_6.-URL.docxc57fc460dd1cc3167de640fe60ebb793MD54open accessTHUMBNAILattachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdf.jpgattachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdf.jpgIM Thumbnailimage/jpeg4645http://repository.javeriana.edu.co/bitstream/10554/66844/5/attachment_5_Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D.pdf.jpg468e6cda9c7fed349dad03484ef31927MD55open accessattachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdf.jpgattachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdf.jpgIM Thumbnailimage/jpeg7302http://repository.javeriana.edu.co/bitstream/10554/66844/6/attachment_1_3.-Reporte-Turnitin-UPL-Automatic-segmentation-of-parapharyngeal-fat-in-magnetic-resonance-imaging-using-U-net-3D-.docx.pdf.jpge6e3dcd0514862fb7bab666e4db91e85MD56open accessattachment_3_5.-Carta-sometimiento.pdf.jpgattachment_3_5.-Carta-sometimiento.pdf.jpgIM Thumbnailimage/jpeg4539http://repository.javeriana.edu.co/bitstream/10554/66844/7/attachment_3_5.-Carta-sometimiento.pdf.jpgef65ae0bd640205ee1ee7aa388cb987fMD57open access10554/66844oai:repository.javeriana.edu.co:10554/668442024-03-08 03:00:27.151Repositorio Institucional - Pontificia Universidad Javerianarepositorio@javeriana.edu.co |