Look-up in Google Scholar
Title: Segmentación 3D de tumores cerebrales eficiente en memoria
Advisor(s): Gutiérrez Cáceres, Juan Carlos
OCDE field: http://purl.org/pe-repo/ocde/ford#1.02.01
Issue Date: 2021
Institution: Universidad Católica San Pablo
Abstract: El diagnóstico temprano y la segmentación precisa de los tumores cerebrales son imprescindibles para un tratamiento exitoso. Desafortunadamente, la segmentación manual es lenta, costosa y, a pesar de la amplia experiencia humana, a menudo es inexacta. En este documento, presentamos una arquitectura para la segmentación de tumores basado en imágenes MRI utilizando una red neuronal convolucional 3D regularizada con autoencoder. Entrenamos el modelo con imágenes Magnetic Resonance Imaging (MRI) segmentadas manualmente: T1, T1ce, T2 y Flair de 285 pacientes con tumores de gravedad, tamaño y ubicación variables. Luego probamos el modelo utilizando datos independientes de 66 pacientes y segmentamos con éxito los tumores cerebrales en tres subregiones: el núcleo del tumor (TC), el tumor potenciador (ET) y el tumor completo (WT). También se exploran pasos de preprocesamiento para mejorar el rendimiento de la segmentación. Es importante destacar que nuestro modelo se implementó en una sola unidad gráfica y, por lo tanto, optimiza la segmentación tumoral para un hardware ampliamente asequible. En resumen, se trata de presentar una solución económica y eficiente en memoria para la segmentación tumoral para respaldar el diagnóstico preciso de los tumores cerebrales.
Discipline: Ciencia de la Computación
Grade or title grantor: Universidad Católica San Pablo. Departamento de Ciencia de la Computación
Grade or title: Bachiller en Ciencia de la Computación
Juror: Edward Jorge Yuri Cayllahua Cahuina; Graciela Lecireth Meza Lovon
Register date: 30-Apr-2021; 30-Apr-2021



This item is licensed under a Creative Commons License Creative Commons