Título :	Segmentación Automática de Vasos Sanguíneos en Imágenes Cerebrales
Autor(es):	Oliver Jonathan Quintana Quintana
Palabras clave:	Redes Generativas Adversarias Angiografías de Resonancia Magnética Segmentación Vasos Sanguíneos Redes Convolucionales
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	8-nov-2021
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias en Inteligencia Artificial
Resumen:	La segmentación de vasos sanguíneos en imágenes cerebrales es un paso fundamental para muchas intervenciones médicas y diagnósticos de enfermedades. Los avances recientes en inteligencia artificial proporcionan mejores modelos, logrando un nivel de experiencia similar al humano en muchas tareas. En este trabajo, se presenta un nuevo enfoque para segmentar imágenes de angiografía por resonancia magnética de tiempo de vuelo (TOF-MRA), que se basa en menos muestras para el entrenamiento que los métodos del estado del arte. Se propone una red generativa adversaria condicional con un generador adaptado basado en una U-Net, concatenada con una arquitectura U-Net residual (UUr-cGAN), para llevar a cabo la segmentación de vasos sanguíneos en imágenes TOF-MRA, basándose en el aumento de datos para disminuir la desventaja de disponer de pocos volúmenes para entrenar el modelo, además de evitar el sobreajuste mediante técnicas de regularización. El modelo propuesto alcanza una precisión de 89,52 y una puntuación de Dice de 87,23 en promedio a partir del experimento de validación cruzada para las tareas de segmentación de los vasos sanguíneos cerebrales, lo que es similar a otros métodos del estado del arte y utiliza considerablemente menos muestras para el entrenamiento. UUr-cGAN extrae características relevantes de pequeños conjuntos de datos, al tiempo que evita el sobreajuste en comparación con otros métodos basados en CNN y es capaz de ´ lograr un rendimiento relativamente bueno en las tareas de segmentación de imágenes, como en el caso de los vasos sanguíneos cerebrales en TOF-MRA
URI:	http://ri-ng.uaq.mx/handle/123456789/3363
Aparece en:	Maestría en Ciencias en Inteligencia Artificial

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.