Sistema computacional para la detección de glioblastomas en resonancia magnética usando aprendizaje no supervisado



Título del documento: Sistema computacional para la detección de glioblastomas en resonancia magnética usando aprendizaje no supervisado
Revista: Archivos venezolanos de farmacología y terapéutica
Base de datos: PERIÓDICA
Número de sistema: 000438069
ISSN: 0798-0264
Autores: 1
2
1
3
4
5
6
7


7
Instituciones: 1Universidad Simón Bolívar, Facultad de Ingenierías, Cúcuta, Norte de Santander. Colombia
2Universidad Simón Bolívar, Departamento de Ciencias Sociales y Humanas, Cúcuta, Norte de Santander. Colombia
3Centro Latinoamericano de Estudios Epidemiológicos y Salud Social, Departamento de Investigaciones Dr. Carlos J. Finlay y de Barré, Cuenca, Azuay. Ecuador
4Universidad de Guayaquil, Guayaquil, Guayas. Ecuador
5Universidad de Machala, Machala, El Oro. Ecuador
6Hospital General Universitario Gregorio Marañón, Departamento de Endocrinología y Nutrición, Madrid. España
7Universidad Simón Bolívar, Facultad de Ciencias de la Salud, Barranquilla, Atlántico. Colombia
Año:
Volumen: 39
Número: 5
Paginación: 635-642
País: Venezuela
Idioma: Español
Tipo de documento: Artículo
Enfoque: Analítico, descriptivo
Resumen en español La imagenología por resonancia magnética convencional o avanzada es fundamental en la valoración de diversos tipos de tumores, incluyendo los glioblastomas. Ante la gran heterogeneidad e invasividad de estos, su manejo en la actualidad constituye un desafío complejo para los especialistas clínicos y neurocirujanos, así como para los desarrolladores de sistemas computacionales orientados al apoyo diagnóstico y de seguimiento. El presente sistema se utiliza para localizar y visualizar los glioblastomas en un conjunto de 11 bases de datos de uso público, incluye un procedimiento para la valoración de ciertas técnicas de filtrado en el realce de imágenes de resonancia magnética e integra la técnica de crecimiento de regiones de enlace sencillo como procedimiento de segmentación de los volúmenes filtrados. Los filtros Gaussiano, mediana y erosión se asumen como técnicas de realce del contraste asociado a las imágenes de resonanciamagnética. El proceso de valoración comienza por el establecimiento de un conjunto de configuraciones de los filtros el cual depende de los valores y de las combinaciones de sus parámetros de entradas. El conjunto de configuraciones establecido es valorado a partir de la cuantificación de una medida de la calidad del realce, la cual se basa en una función de puntuación que agrupa un conjunto de métricas de mejora previamente reportadas. A partir del resultado de la valoración se concluye que el filtro con mejor desempeño corresponde con la mediana y se construye una interfaz gráfica de usuario para administrar la interacción entre el usuario y los algoritmos de procesamiento de imágenes
Resumen en inglés Conventional or advanced magnetic resonance imaging is fundamental in the evaluation of several types of tumors, including glioblastomas, given the great heterogeneity and invasiveness of these tumors, their management at present constitutes a complex challenge for clinicians and neurosurgeons. This is also true for developers of computer systems oriented to diagnostic support and monitoring. The present system is used to localize and visualize glioblastomas in 11 datasets of public use. It includes a procedure for the evaluation of certain filtering techniques in the enhancement of magnetic resonance images and, furthermore, it integrates the technique of region growth and simple link as a segmentation procedure for filtered volumes. Gaussian, median, and erosion filters are assumed as contrast enhancement techniques associated with magnetic resonance imaging. The evaluation process begins with the establishment of a set of filter configurations which depends on the values and combinations of their input parameters. The established set of configurations is valued from the quantification of a measure of the quality of the enhancement, which is based on a scoring function that groups together a set of previously reported improvement metrics. From the result of the evaluation, it is concluded that the filter with the best performance corresponds to the median. In addition, a graphic user interface is constructed to manage the interaction between the user and the image processing algorithms
Disciplinas: Medicina
Palabras clave: Neurología,
Diagnóstico,
Glioblastoma,
Imágenes médicas,
Resonancia magnética,
Segmentación de imágenes,
Interfaz gráfica
Keyword: Neurology,
Diagnosis,
Glioblastoma,
Medical images,
Magnetic resonance,
Image segmentation,
Graphic interface
Texto completo: https://biblat.unam.mx/hevila/Archivosvenezolanosdefarmacologiayterapeutica/2020/vol39/no5/19.pdf