Detección automática de Nódulos Pulmonares en imágenes de tomografía computarizada (TC) Mediante Redes Neuronales Convolucionales

Abstract

[ES] El GEPC (Grupo Español de Cáncer de Pulmón) estima que más de 21.000 personas mueren cada año en España como consecuencia del cáncer de pulmón, igualando las cifras por defunción causadas por cáncer de colon y mama, representando el 20'55% de las defunciones por cáncer en España. La prognosis del cáncer de pulmón es habitualmente mala, debido a que los pacientes no suelen presentar síntomas hasta que no se encuentran en estado avanzado. A pesar de los numerosos avances realizados en el campo de la radiología, la detección de la enfermedad sigue dándose principalmente en fases tardías, disminuyendo la tasa de supervivencia. La detección temprana de nódulos pulmonares, que pueden pasar desapercibidos en la lectura radiológica tradicional, ayudará a mejorar el manejo de la enfermedad, mejorando el pronóstico de los pacientes de cáncer de pulmón. Gracias a la digitalización de la imagen médica han aparecido técnicas no invasivas de ayuda al diagnóstico a través del análisis computacional de la imagen. Estas nuevas aproximaciones permiten la cuantificación de biomarcadores de imagen y la detección y clasificación de patologías mediante técnicas de aprendizaje supervisado y no supervisado. En el presente trabajo se desarrolla un método para la detección automática de nódulos pulmonares sobre imágenes de tomografía computarizada (TC) mediante el uso de técnicas basadas en inteligencia artificial. Concretamente, se desarrolla una red neuronal convolucional o CNN (Convolutional Neural Network) basada en aprendizaje supervisado, con adquisiciones extraídas de datasets públicos.

[EN] GEPC (Grupo Español de Cáncer de Pulmón) estimates that more than 21,000 people die each year in Spain due to lung cancer, matching the numbers for deaths caused from colon and breast cancer, being lung cancer 20.55% of those in Spain. The prognosis of lung cancer is usually poor because patients tend not to feel sick until it is at an advanced stage. Despite of numerous advances in the field of radiology, sickness detection keeps being given at late stages, diminishing survival rate. Lung nodules early detection, which can be unperceived in traditional radiologic reading, will help on handling the sickness, improving lung cancer patient prognosis. With medical image digitalization, there are emerging non-invasive techniques that help to diagnose through computational image analysis. These new approaches allow image biomarkers quantification and the detection and classification of pathologies through supervised and unsupervised learning techniques. For this project a new method for lung nodules automatic detection through images taken from CT scan (Computational Tomography) is developed, using artificial intelligence based techniques. Specifically, a CNN (Convolutional Neural Network) based on supervised learning is developed, using samples from a public dataset.