DenseNeXt-MD : a volumetric neural network for brain tumor segmentation

"La segmentación de lesiones cerebrales es una aplicación crítica de visión por computador para el análisis de imágenes biomédicas. La dificultad del problema se encuentra en la gran variación entre instancias y el alto costo computacional del procesamiento de datos tridimensionales. En este documento presentamos DenseNext-MD, una red neuronal para la segmentación semántica de tumores cerebrales que analiza sus estructuras internas y es capaz de procesar datos volumétricos a partir de múltiples modalidades de MRI simultáneamente. De esta manera, el método es capaz de aprender a partir de una cantidad pequeña de datos de entrenamiento. Expandimos los métodos de vanguardia ResNeXt [1] y DenseNet [2] para procesar información tridimensional y combinarlos en un nuevo bloque denominado DenseNext. Presentamos una arquitectura que consta de cuatro bloques DenseNext que analiza parches de múltiples modalidades de MRI, utilizando al final las capas totalmente conectadas para combinar la información y obtener una segmentación semántica del tumor cerebral." -- Tomado del Formato de Documento de Grado.

• Autores: Castillo Gómez, Laura Silvana
• Fecha de publicación: 2018
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/34483
• Acceso en línea: http://hdl.handle.net/1992/34483
• Palabra clave: Cerebro - Tumores - Investigaciones; Redes neurales (Neurobiología) - Investigaciones; Segmentación de imagen - Investigaciones; Aprendizaje automático (Inteligencia artificial) - Investigaciones; Cerebro - Resonancia magnética en imágenes - Investigaciones; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/