Sistema computacional para la detección de glioblastomas en resonancia magnética usando aprendizaje no supervisado

La imagenología por resonancia magnética convencional o avanzada es fundamental en la valoración de diversos tipos de tumores, incluyendo los glioblastomas. Ante la gran heterogeneidad e invasividad de estos, su manejo en la actualidad constituye un desafío complejo para los especialistas clínicos y...

Full description

Autores:: Medelo Ballesteros, Hebert
Espinosa-Castro, Jhon-Franklin
Rodríguez, Johel E.
Neira Borja, James
Diaz, Viviana Elizabeth
Gómez Félix, Gabriela
Chango Cando, Freddy
Mallitasig Panchi, Betty
Añez, Roberto
A. Fossi, Cleiver
Bermúdez, Valmore

Tipo de recurso:

Fecha de publicación:: 2020

Institución:: Universidad Simón Bolívar

Repositorio:: Repositorio Digital USB

Idioma:: spa

Description
Summary:	La imagenología por resonancia magnética convencional o avanzada es fundamental en la valoración de diversos tipos de tumores, incluyendo los glioblastomas. Ante la gran heterogeneidad e invasividad de estos, su manejo en la actualidad constituye un desafío complejo para los especialistas clínicos y neurocirujanos, así como para los desarrolladores de sistemas computacionales orientados al apoyo diagnóstico y de seguimiento. El presente sistema se utiliza para localizar y visualizar los glioblastomas en un conjunto de 11 bases de datos de uso público, incluye un procedimiento para la valoración de ciertas técnicas de filtrado en el realce de imágenes de resonancia magnética e integra la técnica de crecimiento de regiones de enlace sencillo como procedimiento de segmentación de los volúmenes filtrados. Los filtros Gaussiano, mediana y erosión se asumen como técnicas de realce del contraste asociado a las imágenes de resonancia magnética. El proceso de valoración comienza por el establecimiento de un conjunto de configuraciones de los filtros el cual depende de los valores y de las combinaciones de sus parámetros de entradas. El conjunto de configuraciones establecido es valorado a partir de la cuantificación de una medida de la calidad del realce, la cual se basa en una función de puntuación que agrupa un conjunto de métricas de mejora previamente reportadas. A partir del resultado de la valoración se concluye que el filtro con mejor desempeño corresponde con la mediana y se construye una interfaz gráfica de usuario para administrar la interacción entre el usuario y los algoritmos de procesamiento de imágenes.

Sistema computacional para la detección de glioblastomas en resonancia magnética usando aprendizaje no supervisado

Publicaciones similares