Segmentación de imágenes cerebrales de resonancia magnética nuclear en múltiples resoluciones

Abstract

Las redes neuronales convolucionales han revolucionado la tarea de segmentación de imágenes médicas debido a su destacado rendimiento y cualidades excepcionales, como su capacidad de generalización y de extracción automática de características relevantes, lo cual resulta especialmente efectivo en el contexto de imágenes médicas. Sin embargo, se enfrentan a desafíos cuando se trata de segmentar imágenes médicas provenientes de diferentes fuentes, especialmente aquellas con resoluciones distintas a las del conjunto de entrenamiento. Este trabajo estará enfocado en superar estos desafíos y determinar la mejor configuración y tipos de parches de muestreo como entrada a una red neuronal convolucional. Además, se implementará una metodología para la aplicación de un algoritmo de registración de imágenes de resonancia magnética (MRI) a un espacio común. El desempeño de los modelos de segmentación se medirá utilizando métricas de evaluación, como los índices de Precision, Recall y DICE, que brindan una mejor comprensión de la efectividad de los enfoques propuestos.