Diseño de un modelo basado en redes neuronales para la segmentación automática de pulmones

Abstract

[ES] Desde hace años la medicina se ha visto altamente influenciada por los avances tecnológicos consiguiendo diagnósticos más precisos, imágenes médicas con mayor resolución, apoyando y facilitando las decisiones médicas, entre muchas otras aplicaciones. Diariamente se realizan numerosas pruebas de imagen como rayos X, resonancias magnéticas, tomografía computarizada, entre otras. Esto hace que el volumen de estas imágenes aumente de forma exponencial, así como el tiempo de análisis que conlleva. Es por esta gran carga de trabajo por la que se requiere de la ayuda de la tecnología para así aumentar la velocidad y eficiencia de los procesos posteriores a la toma de las imágenes. Gracias al Machine Learning (ML) es posible acelerar este proceso haciendo uso de modelos capaces de segmentar estructuras anatómicas y extraer información relevante a partir de las imágenes de los pacientes para así facilitar la decisión médica. En este trabajo se tratará de presentar una metodología capaz de segmentar de forma automática los órganos pulmonares usando redes neuronales. Para ello, se partirán de imágenes de Tomografía Axial Computarizada (TAC) obtenidas de una base de datos de pacientes voluntarios. Además, se creará una herramienta propia para la segmentación manual usando lenguaje Python.

[EN] For years, medicine has been highly influenced by technological advances achieving more accurate diagnoses, medical images with higher resolution, supporting and facilitating medical decisions, among many other applications. Numerous imaging tests are performed daily such as X-rays, MRIs, CT scans, among others. This situation makes the number of images increase exponentially, as well as the analysis time it entails. Due to the heavy workload, the help of technology is required to increase the speed and efficiency of post-imaging processes. Thanks to Machine Learning (ML) it is possible to accelerate this process by making use of models capable of segmenting anatomical structures and extracting relevant information from patient images in order to facilitate medical decisions. In this work we will try to present a methodology capable of automatically segmenting lung organs using neural networks. For this purpose, we will use Computed Axial Tomography (CT) images obtained from a database of volunteer patients. Moreover, we will create an own segmentation tool to manual segmentation using Python.