Análisis de imágenes médicas del ojo humano para dar soporte al diagnóstico

Abstract

[ES] El soporte al personal sanitario mediante el uso del aprendizaje profundo ya es una realidad, dando unos resultados sobresalientes en diferentes aspectos de la sanidad. Este trabajo muestra la eficacia con la que el aprendizaje profundo proporciona apoyo al diagnóstico de diferentes enfermedades y anomalías oculares mediante técnicas de análisis de imagen médica. En primer lugar se presenta el estado del arte con respecto al análisis de imagen médica mediante técnicas de aprendizaje profundo, y se presentan diferentes resultados experimentales obtenidos de diferentes conjuntos de datos, después se plantean los diferentes problemas a resolver, todos relacionados con el soporte al diagnóstico de diferentes enfermedades oculares. A continuación se exponen los diferentes modelos de aprendizaje profundo desarrollados para la resolución de estos problemas. Estos modelos se han basado en las redes neuronales convolucionales o “Convolutional Neural Networks” (CNN). Después se enumeran y explican las diferentes herramientas, tanto software como hardware utilizadas para la creación de estos modelos, y una vez hecho esto se explica en qué consisten los diferentes conjuntos de datos con los que se van a entrenar los modelos. Seguido a esto se explican los diferentes problemas surgidos durante el desarrollo del trabajo, así como la forma en la que se han solucionado. Por último se presentan y analizan los resultados experimentales de los diferentes modelos desarrollados, y se comparan con el estado del arte de este campo. El trabajo finaliza con una conclusión sobre las características del campo del aprendizaje profundo orientado al análisis de imagen medica y sobre los modelos que se han desarrollado.

[CA] El suport al personal sanitari mitjançant l’ús de l’aprenentatge profund ja és una realitat, que dóna uns resultats excel·lents en diferents aspectes de la sanitat. Este treball mostra l’eficàcia amb què l’aprenentatge profund proporciona suport al diagnòstic de diferents malalties i anomalies oculars mitjançant tècniques d’anàlisi d’imatge mèdica. En primer lloc, es presenta l’estat de l’art respecte a l’anàlisi d’imatge mèdica mitjançant tècniques d’aprenentatge profund, i es presenten diferents resultats experimentals obtinguts de diferents conjunts de dades. Després es plantegen els diferents problemes que cal resoldre, tots relacionats amb el suport al diagnòstic de diferents malalties oculars. A continuació, s’exposen els diferents models d’aprenentatge profund desenvolupats per a la resolució d’estos problemes. Estos models s’han basat en les xarxes neuronals convolucionals o “Convolutional Neural Networks” (CNN). Després s’enumeren i expliquen les diferents eines, tant software com hardware utilitzades per a la creació d’estos models, i una vegada fet açò s’explica en què consisteixen els diferents conjunts de dades amb els què es van a entrenar els models. En acabat s’expliquen els diferents problemes sorgits durant el desenvolupament del treball, així com la forma en què se n’han solucionat. Finalment, es presenten i analitzen els resultats experimentals dels diferents models desenvolupats, i es comparen amb l’estat de l’art d’este camp. El treball finalitza amb una conclusió sobre les característiques del camp de l’aprenentatge profund orientat a l’anàlisi d’imatge mèdica i sobre els models que s’han desenvolupat.

[EN] The support to health personnel through the use of deep learning is already a reality, giving outstanding results in different aspects of health. This work shows the effectiveness with which deep learning provides support to the diagnosis of different diseases and ocular abnormalities by means of medical image analysis techniques. First, the state of the art is presented with respect to the medical image analysis by means of deep learning techniques, after that different experimental results obtained from different data sets are submitted, then the different problems to be solved are presented, all related to the support to the diagnosis of different eye diseases. After that, the different models of deep learning developed to solve these problems are explained. These models have been based on convolutional neuronal networks (CNN). Then the different tools, both software and hardware used for the creation of these models, are enumerated and explained, and once this is done, the different sets of data with which the models will be trained are explained. Afterwards, the different problems arising during the development of the work are explained, as well as the way in which they have been solved. Finally, the experimental results of the different developed models are presented and analyzed, and compared with the state of the art in this field. The work ends with a conclusion about the characteristics of the field of deep learning oriented to the medical image analysis and the models that have been developed.