Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial

Mostrar todas las versiones(2)

La cantidad de procedimientos de medicina nuclear se ha incrementado notablemente en los últimos años, convirtiendo a éstos en una herramienta cotidiana que alcanza a amplios sectores de la población. En relación al uso terapéutico de la medicina nuclear, la cantidad de nuevas técnicas y el uso de m...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Scarinci, I. E., Pérez, P., Valente, M.
Lenguaje:	Español
Publicado:	2021
Materias:	MEDICINA NUCLEAR DOSIMETRIA TERANOSTICA INTELIGENCIA ARTIFICIAL NUCLEAR MEDICINE DOSIMETRY THERANOSTICS MACHINE LEARNING
Acceso en línea:	https://hdl.handle.net/20.500.12110/afa_v31_n04_p165
Aporte de:	Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires

id	todo:afa_v31_n04_p165
record_format	dspace
spelling	todo:afa_v31_n04_p1652023-10-03T13:25:39Z Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial Heuristic algorithm for PET images’ segmentation using artificial inteligence techniques Scarinci, I. E. Pérez, P. Valente, M. MEDICINA NUCLEAR DOSIMETRIA TERANOSTICA INTELIGENCIA ARTIFICIAL NUCLEAR MEDICINE DOSIMETRY THERANOSTICS MACHINE LEARNING La cantidad de procedimientos de medicina nuclear se ha incrementado notablemente en los últimos años, convirtiendo a éstos en una herramienta cotidiana que alcanza a amplios sectores de la población. En relación al uso terapéutico de la medicina nuclear, la cantidad de nuevas técnicas y el uso de mayor variedad de radioisótopos demandan una cuantificación dosimétrica precisa y de carácter paciente-específico, a los fines de evaluar daños letales al tumor manteniendo niveles aceptables de dosis en tejidos sanos. En el caso particular de los tratamientos teranósticos que permiten la realización conjunta de tratamiento-diagnóstico, se presenta la posibilidad de realizar dosimetría interna guiada por imágenes. En este caso, resulta crítica la segmentación correcta de las imágenes para la identificación de diferentes tejidos y órganos. Por otra parte, las herramientas de la ciencia de datos y la inteligencia artificial se han difundido en varios campos, en particular el procesamiento digital de imágenes. La posibilidad de utilizar modelos de aprendizaje automático para el procesamiento de imágenes digitales surge como una oportunidad promisoria para complementar el análisis clínico por parte de expertos. En este trabajo se presenta un algoritmo heurístico de segmentación no supervisada utilizando conjuntamente técnicas de clustering y aprendizaje automático, basado en la utilización de dos algoritmos: K-Means y HDBSCAN. Los resultados obtenidos muestran la capacidad de segmentado automático de los algoritmos de clustering resultando éstos una herramienta útil para facilitar y acortar los tiempos de segmentación The over all quantity of nuclear medicine procedures has increased remarkably in recent years, making them a daily tool capable of reaching wide sectors of the population. Regarding the nuclear medicine therapeutic applications, it is worth noting that there is an increasing demand of novel techniques and greater variety of radioisotopes requiring accurate patient-specific dosimetry aimed at evaluating lethal damage to the tumor while maintaining acceptable dose levels in healthy tissues. Image-guided internal dosimetry appears as particularly suitable for theranostics procedures, which allow the joint implementation of diagnose and treatment. In this case, the correct segmentation of the images is criticalfor the identification of different tissues and organs. On the other hand, modern tools based on data science and artificial intelligence have spread in several fields, particularly in the digital image processing. The use of machine learning models for digital image processing appears as a promising opportunity to complement clinical analysis by experts. This paper reports about an unsupervised segmentation heuristic algorithm using clustering and machine learning techniques together, based on the use of two algorithms: K-Meansand HDBSCAN. The results obtained highlight the capacity of automatic segmentation by means of clustering algorithms, becoming a useful tool to assist clinician experts and shorten the segmentation times Fil: Scarinci, I. E.. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola (UNC-IFEG). Córdoba. Argentina Fil: Pérez, P.. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola (UNC-IFEG). Córdoba. Argentina Fil: Valente, M.. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola (UNC-IFEG). Córdoba. Argentina 2021-01 PDF Español info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/afa_v31_n04_p165
institution	Universidad de Buenos Aires
institution_str	I-28
repository_str	R-134
collection	Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language	Español
orig_language_str_mv	Español
topic	MEDICINA NUCLEAR DOSIMETRIA TERANOSTICA INTELIGENCIA ARTIFICIAL NUCLEAR MEDICINE DOSIMETRY THERANOSTICS MACHINE LEARNING
spellingShingle	MEDICINA NUCLEAR DOSIMETRIA TERANOSTICA INTELIGENCIA ARTIFICIAL NUCLEAR MEDICINE DOSIMETRY THERANOSTICS MACHINE LEARNING Scarinci, I. E. Pérez, P. Valente, M. Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial
topic_facet	MEDICINA NUCLEAR DOSIMETRIA TERANOSTICA INTELIGENCIA ARTIFICIAL NUCLEAR MEDICINE DOSIMETRY THERANOSTICS MACHINE LEARNING
description	La cantidad de procedimientos de medicina nuclear se ha incrementado notablemente en los últimos años, convirtiendo a éstos en una herramienta cotidiana que alcanza a amplios sectores de la población. En relación al uso terapéutico de la medicina nuclear, la cantidad de nuevas técnicas y el uso de mayor variedad de radioisótopos demandan una cuantificación dosimétrica precisa y de carácter paciente-específico, a los fines de evaluar daños letales al tumor manteniendo niveles aceptables de dosis en tejidos sanos. En el caso particular de los tratamientos teranósticos que permiten la realización conjunta de tratamiento-diagnóstico, se presenta la posibilidad de realizar dosimetría interna guiada por imágenes. En este caso, resulta crítica la segmentación correcta de las imágenes para la identificación de diferentes tejidos y órganos. Por otra parte, las herramientas de la ciencia de datos y la inteligencia artificial se han difundido en varios campos, en particular el procesamiento digital de imágenes. La posibilidad de utilizar modelos de aprendizaje automático para el procesamiento de imágenes digitales surge como una oportunidad promisoria para complementar el análisis clínico por parte de expertos. En este trabajo se presenta un algoritmo heurístico de segmentación no supervisada utilizando conjuntamente técnicas de clustering y aprendizaje automático, basado en la utilización de dos algoritmos: K-Means y HDBSCAN. Los resultados obtenidos muestran la capacidad de segmentado automático de los algoritmos de clustering resultando éstos una herramienta útil para facilitar y acortar los tiempos de segmentación
author	Scarinci, I. E. Pérez, P. Valente, M.
author_facet	Scarinci, I. E. Pérez, P. Valente, M.
author_sort	Scarinci, I. E.
title	Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial
title_short	Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial
title_full	Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial
title_fullStr	Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial
title_full_unstemmed	Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial
title_sort	algoritmo heurístico de segmentación de imágenes pet utilizando técnicas de inteligencia artificial
publishDate	2021
url	https://hdl.handle.net/20.500.12110/afa_v31_n04_p165
work_keys_str_mv	AT scarinciie algoritmoheuristicodesegmentaciondeimagenespetutilizandotecnicasdeinteligenciaartificial AT perezp algoritmoheuristicodesegmentaciondeimagenespetutilizandotecnicasdeinteligenciaartificial AT valentem algoritmoheuristicodesegmentaciondeimagenespetutilizandotecnicasdeinteligenciaartificial AT scarinciie heuristicalgorithmforpetimagessegmentationusingartificialinteligencetechniques AT perezp heuristicalgorithmforpetimagessegmentationusingartificialinteligencetechniques AT valentem heuristicalgorithmforpetimagessegmentationusingartificialinteligencetechniques
_version_	1807318229941485568

Algoritmo heurístico de segmentación de imágenes PET utilizando técnicas de inteligencia artificial

Ejemplares similares