Un enfoque híbrido para la clasificación de imágenes de resonancia magnética del cerebro

Abstract

El tumor cerebral es una de las principales causas de mortalidad entre niños y adultos en todo el mundo. Un tumor es una masa de tejido que crece fuera de control, los tumores pueden ser benignos o malignos (cáncer), dependiendo de la rapidez de su crecimiento y de si logran resecarse o curarse mediante el tratamiento neuro-quirurgico. Para diagnosticar un cáncer se realizan diferentes pruebas como radiografías, tomografías, ecografías o resonancias magnéticas. mediante estas pruebas pueden detectarse zonas con alta sospecha tumoral, cuyo diagnostico debe confirmarse mediante la realización de una biopsia. Estas imágenes no son fáciles de interpretar, lo que provoca que el profesional encargado de analizarlas, a pesar de su experiencia no sea capaz de detectar en ellas un porcentaje importante de tumores. Una posibilidad para mejorar el diagnostico consiste en utilizar sistemas de diagnostico asistido por computador (CAD). Un CAD analiza la imagen medica y trata de detectar zonas sospechosas de contener alguna anomalía. Entonces el radiólogo va poder interpretar con menos dificultad la información contenida en la imagen medica. El diagnostico asistido por computador es aún una tecnología muy joven, es por ello que en esta tesis se ha propuesto una técnica hibrida formado por una red neuronal y un algoritmo gen ético para detectar en una imagen de resonancia magnética si tiene o no una anomalía. Para la etapa de extracción de características se ha utilizado la técnica de Gabor, y para la etapa de clasificación se va usar una red neuronal MLP (perceptron multicapa) con un algoritmo gen ético simple. Los resultados de aplicar el enfoque a la data de prueba muestran ser prometedores