Publication:
Sistema de recuperación de imágenes médicas basado en contenido para el sistema de salud chileno

Simple item page
dc.contributor.advisorMendoza Rocha, Marcelo Gabriel (Profesor Guía)
dc.contributor.advisorAraya López, Mauricio Alejandro (Profesor Guía)
dc.contributor.advisorSolar Fuentes, Mauricio (Profesor Correferente)
dc.contributor.authorMolina Barra, Gabriel Andrés
dc.contributor.departmentUniversidad Técnica Federico Santa María. Departamento de Informáticaes_CL
dc.coverage.spatialCasa Central Valparaísoes_CL
dc.date.accessioned2022-10-20T14:47:56Z
dc.date.available2022-10-20T14:47:56Z
dc.date.issued2021-06
dc.description.abstractEn el área de la salud, las imágenes médicas han sido un recurso fundamental para el diagnóstico oportuno de patologías, la investigación de enfermedades y herramienta de estudio para los futuros profesionales de la salud. Por esta misma causa, sistemas de búsqueda de imágenes se han desarrollado a lo largo de los años para ayudar a la recuperación de dicha información. Estos sistemas funcionan transformando una imagen medica en un vector multidimensional para así construir índices en bases de datos, generándose de esta forma buscadores rápidos y automáticos. Los sistemas más tradicionales utilizan descriptores de una imagen para transformarla en un vector multidimensional, pero en la actualidad, esto es poco factible ya que la gran mayoría de las imágenes médicas no están correctamente etiquetadas y/o estudiadas. Esto ocurre debido a que el volumen de datos generados es tan grande que no existen suficientes expertos para estudiar todas las imágenes, resultando en que los sistemas tradicionales de búsquedas sean abrumados por el rápido crecimiento de datos y la falta de evaluación de expertos. Se han propuesto diferentes métodos para resolver el problema denominado Content Base Image Retrieval System (CBIRS), en el cual, se agrupan todos los sistema de búsqueda de imágenes basado en contenido, incluyendo búsqueda de reconocimiento facial, imágenes naturales y el tema central de esta tesis, las imágenes médicas; sien do estas: radiografías, tomografías computacionales, examen histológico, entre otros. Existen autores que han intentado mejorar estos sistemas por el ´area de desarrollo de software, incrementando la infraestructura, perfeccionando los métodos de indexación y actualizando sistemas basados en la tecnología más moderna. A pesar de que este esfuerzo es suficiente para hacer los sistemas de búsqueda más robustos al crecimiento actual de datos en la gran mayoría de problemas, no son lo suficientemente eficaces para transformar en sistemas suficientemente escalables para problemas más complejos como son las imágenes miedicas. Por estas razones, otros autores han preferido el área del deep learning para mejorar los vectores asociados al sistema, obteniendo mejores resultados en recuperación de imágenes, obteniendo el estado del arte en muchos tipos de búsquedas de enfermedades, pero a pesar de que estos sistemas basados en redes neuronales son más modernos, sufren de la misma falencia de su contraparte tradicional, lo cual es la falta de datos etiquetados, llevando a estos sistemas a tener una gran dificultad a ser implementados en un ambiente de trabajo medico real. En este documento se propone un CBMIRS basado en deep learning, el cual estará compuesto por dos secciones de redes neuronales que en conjunto construirán un vector más robusto para el sistema y además, este nuevo CBMIRS podrá ser ocupado a pesar de que las imágenes no lleven etiqueta, permitiendo una mejor escalabilidad en un ambiente clínico real. Esta propuesta se basa en el uso de combinar lo aprendido por un modelo de segmentación y un modelo de clasificación, para transformar una imagen en un vector con mayor información que utilizando una única red neuronal, permitiendo que un sistema de búsqueda de imágenes medica tenga mejores resultados y escalabilidad. La evidencia experimental, muestra que, comparado con otros métodos del estado del arte, en recuperación de imágenes miedicas, la propuesta muestra una gran ventaja al buscar imágenes que contengan una cierta enfermedad en escenarios clínicos reales. Además, se demuestra la capacidad efectiva de transferencia de información median te la utilización de los embeddings resultantes del segmentador en el reentrenamiento del clasificador o mediante la concatenación de embeddings resultantes. Finalmente, se demostró que la utilización de un algoritmo de eliminación de near-duplicate tiene un efecto regularizante en la de búsqueda de imágenes, permitiendo que sistemas que utilizan modelos más simples sean igual de competitivos que sistemas que utilizan modelos más complejoses_CL
dc.description.degreeMAGISTER EN CIENCIAS DE LA INGENIERIA INFORMATICAes_CL
dc.description.programDEPARTAMENTO DE INFORMÁTICA. MAGÍSTER EN CIENCIAS DE LA INGENIERÍA INFORMÁTICAes_CL
dc.format.extent106 H.es_CL
dc.format.mimetypeapplication/pdf
dc.identifier.barcode267943928UTFSMes_CL
dc.identifier.urihttps://hdl.handle.net/11673/54302
dc.rights.accessRightsA. Internet abierta repositorio.usm.cl y otros repositorios a que la USM se adscriba.
dc.subjectSISTEMA DE RECUPERACIÓN MEDICA BASADO EN CONTENIDOes_CL
dc.subjectBÚSQUEDA DE IMAGINES MÉDICASes_CL
dc.subjectSISTEMA ASISTIDO POR COMPUTADORAes_CL
dc.titleSistema de recuperación de imágenes médicas basado en contenido para el sistema de salud chilenoes_CL
dc.typeTesis de Postgrado
dspace.entity.typePublication
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
m18394392-8.pdf
Size:
8.61 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Arq_paso