Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme?

  • Alexander Mulet de los Reyes Universidad de Buenos Aires / CONICET, FCEyN, INFIP
  • Victoria Hyde Lord Universidad de Buenos Aires / CONICET, FCEyN, INFIP
  • María Elena Buemi Universidad de Buenos Aires, FCEyN, DC
  • Daniel Gandía Universidad de Buenos Aires / CONICET, FCEyN, INFIP
  • Maikel Noriega Alemán Universidad de Oriente, FITIB, Santiago de Cuba, Cuba
  • Cecilia Suárez Universidad de Buenos Aires / CONICET, FCEyN, INFIP
Palabras clave: Glioblastoma, Procesamiento de imágenes, Redes neuronales, Segmentación automática

Resumen

El glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.
En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una primera segmentación del tumor completo y del tumor activo por métodos clásicos de procesamiento de imágenes. Para lograr una óptima segmentación de las zonas más complejas de edema y necrosis se utilizó una red neuronal del tipo Perceptrón multicapa con una capa oculta. La red se entrenó con 30 características seleccionadas, aportando una salida que clasica cada pixel como tumor activo, edema, necrosis o tejido sano. La exactitud de esta clasicación resultó ser del 88%, mientras que las curvas ROC presentaron áreas cercanas a la unidad. Finalmente, el algoritmo completo logró coeficientes. Dice al nivel de los mejores obtenidos en la actualidad por técnicas más complejas.

Publicado
2022-12-23
Cómo citar
Mulet de los Reyes, A., Hyde Lord, V., Buemi, M., Gandía, D., Noriega Alemán, M., & Suárez, C. (2022). Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme?. Memorias De Las JAIIO, 8(10), 11-16. Recuperado a partir de https://publicaciones.sadio.org.ar/index.php/JAIIO/article/view/389
Sección
SAIV - Simposio Argentino de Imágenes y Visión