Diseño de una herramienta de clasificación semántica de imágenes de gliomas de alto grado mediante redes convolucionales profundas

Abstract

[ES] Las redes convolucionales profundas han demostrado su gran valía para segmentar semánticamente imágenes complejas. Específicamente, las redes basadas en la arquitectura UNet han dado grandes resultados para la clasificación de imágenes prequirúrgicas multiparamétricas de glioma. En este proyecto realizaremos una comparación de arquitecturas propuestas recientemente con el objetivo de comprobar su rendimiento de forma comparada, por lo que se probarán arquitecturas como R2U-Net, SegNet, X-Net y Multires-UNET entre otras.

[EN] Deep convolutional networks have proven their excellent value for semantically segmenting complex images. Specifically, networks based on the UNet architecture have yielded remarkable results for the classification of multiparametric pre-surgical glioma images. In this project we will perform a comparison of recently proposed architectures with the aim of evaluating their performance in a comparative way, so architectures such as R2U-Net, SegNet, X-Net and MultiresUNET, among others, will be assessed.

[CA] Les xarxes convolucionales profundes han demostrat la seua gran vàlua per a segmentar semànticament imatges complexes. Específicament, les xarxes basades en l'arquitectura UNet han donat grans resultats per a la classificació d'imatges prequirúrgiques multiparamétricas de glioma. En este projecte realitzarem una comparació d'arquitectures proposades recentment amb l'objectiu de comprovar el seu rendiment de forma comparada, per la qual cosa es provaran arquitectures com R2U- Net, SegNet, X-Net i Multires-UNET, entre altres.