Clasificación automática de ateromas por tratamiento de imágenes de ultrasonido intravasculares mediante histología virtual y redes neuronales

Abstract

Una de las principales causas de muerte en México y alrededor del mundo corresponde a las cardiopatías isquémicas. Existen varios métodos diagnósticos que facilitan la detección de estas patologías, entre los que se encuentra el ultrasonido intravascular (IVUS), el cual con ayuda de la histología virtual ayuda a predecir la severidad de la enfermedad cardiaca. Se propone un algoritmo que utilizando las imágenes en escala de grises logre diferenciar la histología, basándose en la segmentación de texturas y la aplicación de algoritmo de clasificación basado en redes neuronales. Se implementó una topología clásica de una red neuronal tipo feed-forward suplementada con un algoritmo de aprendizaje denominado momentum. El porcentaje de clasificación correcta fue del 85%. El algoritmo propuesto fue comparado con un clasificador de tipo difuso y un algoritmo tipo backpropagation. En ambos casos, el algortimo propuesto obtuvo mejores resultados.