Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme

El glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una prime...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Mulet de los Reyes, Alexander, Lord, Victoria Hyde, Buemi, María Elena, Gandía, Daniel, Noriega Alemán, Maikel, Suárez, Cecilia
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2022
Materias:	Ciencias Informáticas Glioblastoma Procesamiento de imágenes Redes neuronales Segmentación automática
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/151736 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/389/327
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-151736
record_format	dspace
spelling	I19-R120-10915-1517362023-04-20T13:23:13Z http://sedici.unlp.edu.ar/handle/10915/151736 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/389/327 issn:2451-7496 Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme Mulet de los Reyes, Alexander Lord, Victoria Hyde Buemi, María Elena Gandía, Daniel Noriega Alemán, Maikel Suárez, Cecilia 2022-10 2022 2023-04-19T15:02:10Z es Ciencias Informáticas Glioblastoma Procesamiento de imágenes Redes neuronales Segmentación automática El glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una primera segmentación del tumor completo y del tumor activo por métodos clásicos de procesamiento de imágenes. Para lograr una óptima segmentación de las zonas más complejas de edema y necrosis se utilizó una red neuronal del tipo Perceptrón multicapa con una capa oculta. La red se entrenó con 30 características seleccionadas, aportando una salida que clasica cada pixel como tumor activo, edema, necrosis o tejido sano. La exactitud de esta clasicación resultó ser del 88%, mientras que las curvas ROC presentaron áreas cercanas a la unidad. Finalmente, el algoritmo completo logró coeficientes. Dice al nivel de los mejores obtenidos en la actualidad por técnicas más complejas. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 11-16
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Glioblastoma Procesamiento de imágenes Redes neuronales Segmentación automática
spellingShingle	Ciencias Informáticas Glioblastoma Procesamiento de imágenes Redes neuronales Segmentación automática Mulet de los Reyes, Alexander Lord, Victoria Hyde Buemi, María Elena Gandía, Daniel Noriega Alemán, Maikel Suárez, Cecilia Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
topic_facet	Ciencias Informáticas Glioblastoma Procesamiento de imágenes Redes neuronales Segmentación automática
description	El glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una primera segmentación del tumor completo y del tumor activo por métodos clásicos de procesamiento de imágenes. Para lograr una óptima segmentación de las zonas más complejas de edema y necrosis se utilizó una red neuronal del tipo Perceptrón multicapa con una capa oculta. La red se entrenó con 30 características seleccionadas, aportando una salida que clasica cada pixel como tumor activo, edema, necrosis o tejido sano. La exactitud de esta clasicación resultó ser del 88%, mientras que las curvas ROC presentaron áreas cercanas a la unidad. Finalmente, el algoritmo completo logró coeficientes. Dice al nivel de los mejores obtenidos en la actualidad por técnicas más complejas.
format	Objeto de conferencia Objeto de conferencia
author	Mulet de los Reyes, Alexander Lord, Victoria Hyde Buemi, María Elena Gandía, Daniel Noriega Alemán, Maikel Suárez, Cecilia
author_facet	Mulet de los Reyes, Alexander Lord, Victoria Hyde Buemi, María Elena Gandía, Daniel Noriega Alemán, Maikel Suárez, Cecilia
author_sort	Mulet de los Reyes, Alexander
title	Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_short	Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_full	Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_fullStr	Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_full_unstemmed	Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_sort	implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
publishDate	2022
url	http://sedici.unlp.edu.ar/handle/10915/151736 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/389/327
work_keys_str_mv	AT muletdelosreyesalexander implementaciondeunaredneuronalparalasegmentacionautomaticadelglioblastomamultiforme AT lordvictoriahyde implementaciondeunaredneuronalparalasegmentacionautomaticadelglioblastomamultiforme AT buemimariaelena implementaciondeunaredneuronalparalasegmentacionautomaticadelglioblastomamultiforme AT gandiadaniel implementaciondeunaredneuronalparalasegmentacionautomaticadelglioblastomamultiforme AT noriegaalemanmaikel implementaciondeunaredneuronalparalasegmentacionautomaticadelglioblastomamultiforme AT suarezcecilia implementaciondeunaredneuronalparalasegmentacionautomaticadelglioblastomamultiforme
_version_	1765660011025924096

Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme

Ejemplares similares