Segmentación de Enfermedades Pulmonares Intersticiales en Imágenes de TCAR mediante Análisis de Textura y una Red Convolucional tipo U-Net

Abstract

En este trabajo se presenta una estrategia para poder realizar la segmentación de Enfermedades Pulmonares Intersticiales (EPI), específiamente Fibrosis Pulmonar Idiopática (FPI) y Enfisema Pulmonar (EP) de forma simultánea, en imÁgenes de TomografÍa Computarizada de Alta ResoluciÓn (TCAR). Se realizÓ un procesamiento mediante análisis de textura para resaltar las características que diferencian a cada una de las enfermedades, utilizando estadísticos de primer y segundo orden. A partir de las imágenes procesadas se entrenó una red convolucional U-Net, utilizando solo 10 rebanadas de un subvolumen de datos. Se propusieron 3 estrategias de entrenamiento, combinando la imagen de intensidad y diferentes estadísticos de textura, como desviación estándar, energía y homogeneidad. Se obtuvieron las segmentaciones de las diferentes EPI utilizando 10 redes neuronales entrenadas de distinta forma. Los resultados obtenidos mostraron valores de exactitud de hasta un 87% para la clase de FPI, y un valor de índice de similitud DICE e índice de intersección sobre la unión (IoU) de 75% y 78% respectivamente, resultados comparables a lo establecido en la literatura pero utilizando poca información en el entrenamiento de la red