Segmentación de imágenes de resonancia magnética utilizando filtrado espacial y aprendizaje profundo

Abstract

El procesamiento de imágenes de resonancia magnética provee información valiosa acerca del estado del órgano estudiado, esto ayuda a la detección y tratamiento de patologías. Uno de los métodos de procesamiento más utilizados es la segmentación, que se refiere a la diferenciación de tejidos o zonas relevantes dentro de una imagen.La mayoría de las plataformas y aplicaciones que incluyen herramientas de segmentación, requieren  que el usuario realice la segmentación de forma manual o en su defecto, que ingrese o modifique parámetros que influyen en procedimientos de la segmentación, haciéndola semi-automática. En este trabajo se plantea un sistema de segmentación automatizada en imágenes de resonancia magnética cerebral, conformado por  una etapa de filtrado espacial seguida de una etapa de predicción hecha por una red neuronal convolucional. El sistema segmenta una imagen cerebral en cuatro componentes: fondo, materia blanca, materia gris y líquido cefalorraquídeo. Bajo el método de validación cruzada, arroja un promedio de los valores de precisión  del 98.259(1.038)%.