Diseño y desarrollo de algoritmos de Deep Learning para la segmentación de tejidos en la detección de la Colitis Ulcerosa.

Abstract

[ES] La colitis ulcerosa crónica es una enfermedad inflamatoria intestinal que provoca inflamación y úlceras en el tracto digestivo. Afecta al recubrimiento más profundo del intestino grueso, también denominado colon, y el recto. Es importante el diagnóstico precoz mediante la toma de biopsias. Recientemente, se ha estudiado una puntuación llamada Paddington International virtual ChromoendoScopy ScOre (PiCaSSO) y Histologic Remission Index (PHRI). El índice PHRI evalúa la presencia de neutrófilos en componentes histológicos específicos para determinar la actividad de la enfermedad, la cicatrización mucosa y el resultado clínico en la histopatología de la colitis ulcerosa (CU). Se analiza la infiltración de neutrófilos en regiones específicas, como la lámina propia, el epitelio superficial, el epitelio criptal y el lumen criptal. La detección de neutrófilos es una tarea compleja, por lo que se opta por segmentar primero el tejido para identificar las áreas donde podrían encontrarse neutrófilos, y luego detectar los neutrófilos en esas áreas. Este estudio se centra en el desarrollo y diseño de algoritmos de segmentación de tejidos utilizando distintos modelos. La primera fase implica buscar el mejor modelo de segmentación de tejido. En la segunda fase, optimizaremos el modelo lo máximo posible para poder implementarlo en la detección de UC.

[EN] Chronic ulcerative colitis is an inflammatory bowel disease that causes inflammation and ulcers in the digestive tract. It affects the innermost lining of the large intestine, also known as the colon, and the rectum. Early diagnosis through biopsy is important. Recently, a scoring system called the Paddington International virtual ChromoendoScopy ScOre (PiCaSSO) and Histologic Remission Index (PHRI) has been studied. The PHRI index is used to assess the presence of neutrophils in different tissue regions to determine disease activity, mucosal healing process, and clinical outcome in ulcerative colitis (UC) histopathology. Neutrophil infiltration is analyzed in specific regions such as the lamina propria, surface epithelium, cryptal epithelium and cryptal lumina. The detection of neutrophils is a complex task, thus the approach involves first segmenting the tissue to identify areas where neutrophils might be located, and then detecting the neutrophils within those areas. This study focuses on the development and design of tissue segmentation algorithms using various models. The first phase involves searching for the best tissue segmentation model. In the second phase, we will optimize the model as much as possible to implement it in UC detection.