Clasificación en vivo de la densidad de grasa en e hígado de conejos

Abstract

The main purpose of it is the calculation of the percentage of fat in a rabbit by using ultrasound imaging, processing the images with Matlab software to extract the attenuation along the different frequencies of the ultrasound scanner and the backscattered (BSC) magnitude. Moreover, depending on the BSC, the extracted data is classified using machine learning algorithms. In this case, the research has been done with Quadratic Discriminant Analysis (QDA) and Random Forest programmed in Python. After classifying the data into different classes, a percentage of fat is assigned to each class. This assignment relies on the ground truth, which is the previous calculation of fat done in several chemical assays, where the liver of the rabbit was extracted and processed following the standard folch method protocol used in order to quantify fat content in tissue (usually liver).

El principal objetivo de este trabajo es el cálculo del porcentaje de grasa en el hígado de un conejo empleando imágenes ultrasónicas. El procesado de las imágenes se realiza en matlab y se fundamenta en la obtención de la atenuación en diferentes frecuencias de un escáner de ultrasonidos y en la magnitud de la dispersión hacia atrás (backscattering) (BSC). Adicionalmente, dependiendo de dicha magnitud los datos extraídos se clasificarán empleando algoritmos de aprendizaje de máquinas. En concreto, se propone el uso de Análisis Discriminante Cuadrático y Random Forest. Tras la clasificación de los datos en diferentes categorías se asigna un porcentaje de grasa a cada clase. Esta asignación se basa en datos etiquetados obtenidos en varios ensayos químicos, donde se extrae el riñón del conejo para cuantificar el contenido de grasa en los tejidos