Design and Implementation of a Deep Learning Model for Pulmonary Arterial Segmentation in Computed Tomography (CT) images

La Embolia Pulmonar (EP) es una condición potencialmente mortal en la que un coágulo sanguíneo bloquea una arteria en los pulmones. Permanece como una de las condiciones más desafiantes para diagnosticar y tratar en el departamento de emergencias. Como tipo de enfermedad cardiovascular, la EP contri...

Full description

Autores:
Merchan Cardoza, Mishell
Suarez Quimbayo, Juan Pablo
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
eng
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/14714
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/14714
https://noesis.uis.edu.co
Palabra clave:
Arterias Pulmonares
Segmentación
Tomografía Computarizada (TC)
Aprendizaje Profundo
Pulmonary arterial
Segmentation
Computed Tomography (CT)
Deep Learning
Rights
openAccess
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:La Embolia Pulmonar (EP) es una condición potencialmente mortal en la que un coágulo sanguíneo bloquea una arteria en los pulmones. Permanece como una de las condiciones más desafiantes para diagnosticar y tratar en el departamento de emergencias. Como tipo de enfermedad cardiovascular, la EP contribuye a la principal causa de muerte a nivel mundial, según la Organización Mundial de la Salud. La detección temprana y el tratamiento oportuno son críticos para mejorar los resultados del paciente. En este proyecto, buscamos desarrollar e implementar un algoritmo para la segmentación automatizada de arterias pulmonares como un paso crucial hacia la identificación de EP. Tuvimos acceso a una base de datos de 130 volúmenes 3D con etiquetado refinado de las arterias pulmonares. La combinación de herramientas de alto desempeño y tecnología avanzada tiene un gran potencial para la detección y tratamiento temprano de enfermedades pulmonares, especialmente en entornos con recursos limitados. Específicamente, proponemos la implementación de una arquitectura llamada ResD-Unet, basada en la red Unet, complementada con bloques residuales y capas de convolución interconectadas. Los resultados obtenidos son moderados, pero constituyen un paso inicial para la solución del problema.