Detección, segmentación y clasificación de tumores cerebrales

Abstract

[ES] Es bien sabido que la aparición de un tumor cerebral ya sea benigno o maligno, puede poner en peligro la vida del paciente y requiere de gran esfuerzo para identificar su tipo, origen y localización. La segmentación manual de tumores por parte de especialistas médicos, necesita de mucho tiempo, lo que hace necesaria la intervención de la tecnología para acelerar el proceso requiriendo de una gran precisión al ser una tarea crítica. Para ello, se pretende realizar un modelo que sea capaz de detectar la zona del tumor, segmentarla y clasificar por regiones dependiendo de si la zona afectada es un edema, o bien, una necrosis, o por el contrario la parte de realce del tumor a partir de imágenes de resonancia magnética, MRI. Para la realización de esta tarea se hace uso de diferentes técnicas de segmentación basadas en aprendizaje automático buscando aquel modelo que maximice la segmentación del tumor y además mejor clasifique las zonas de interés dentro del tumor.

[EN] It is well known that the appearance of a brain tumour, whether benign or malignant, can be life-threatening and requires great effort to identify its type, origin and location. The manual segmentation of tumours by medical specialists takes a long time, which makes the intervention of technology necessary to speed up the process, requiring great precision as it is a critical task. To this end, the aim is to create various models capable of detecting the tumour area, segmenting it and classifying it by region depending on whether the affected area is oedema, necrosis or, on the contrary, the enhancement part of the tumour from magnetic resonance images (MRI). To carry out this task, different segmentation techniques based on automatic learning are used to find the model that maximises the segmentation of the tumour and also best classifies the areas of interest within the tumour.