Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
posted on November 1, 2019
Podés acceder al documento de la tesis desde este link.
Resumen
Las imágenes de ultrasonido intravascular o IVUS, nos permiten observar las paredes arteriales desde el interior de las mismas. Las mismas puede ser útiles para la detección temprana de enfermedades coronarias como la aterosclerosis. En este trabajo se evaluaron diferentes alternativas de redes neuronales convolucionales (CNN) para detectar estructuras morfológicas en las arterias. Ya sean Bifurcaciones, Placas ateroscleróticas ecogénicas o sombras debido a calcificación. Dichas estructuras afectan la observación del especialista y la segmentación automática. Sobre las distintas CNN se evaluaron diversos conjuntos de parámetros que permitían un mejor o peor rendimiento de las mismas. También se vio que estos métodos necesitan de un buen conjunto de datos, tanto en cantidad como en balance de información, afectando en el desempeño de las redes. Se vio también como la transferencia de aprendizaje resulto ser una herramienta muy útil cuando la cantidad de datos no resulta la adecuada. Al final del trabajo se aplicó, en cada región de una imagen IVUS, un método de segmentación que este adaptado a cada estructura morfológica.