Aplicación de técnicas de aprendizaje automático para la segmentación de tumores cerebrales a partir de imágenes de resonancia magnética

Abstract

Este proyecto busca analizar el porcentaje de acierto que se puede obtener en la segmentaci´on en un dataset de im´agenes de tumores cerebrales. Para ello se desarrollar´a un segmentador autom´atico basado en Machine Learning que pueda llevar a cabo la tarea de segmentar tumores cerebrales a trav´es de im´agenes de resonancias magn´eticas. Para ello utilizaremos una red neuronal que ser´a dotada de un dataset de im´agenes con variedades de diversos tumores en diferentes lugares y formas. Para realizar esta tarea utilizaremos principalmente prototipos a los que se les ir´an a˜nadiendo funcionalidades y especificaciones en cuanto se obtengan resultados tanto de los entrenamientos como de las validaciones que nuestro segmentador realice. Las herramientas que se emplear´an ser´an librer´ıas de Visi´on por Computador de c´odigo abierto como puede ser OpenCV, adem´as de conjuntos de herramientas para el desarrollo de redes neuronales. En este ´ultimo ´ambito se realizar´a en el entorno de PyTorch principalmente. En base a los resultados obtenidos, la investigaci´on del proyecto se ir´a afinando para seguir mejorando el porcentaje de acierto del ejercicio. Para afinar estos datos se utilizar´an diferentes par´ametros entre los que podemos observar el tama˜no de la imagen, su rotaci´on, la iluminaci´on que tiene, la opacidad, etc. Estos son valores que pueden influir en la predicci´on de nuestro segmentador.

This project seeks to analyze the percentage of accuracy that can be obtained from a data set of brain tumor images. To do this, an automatic segmenter based on Machine Learning will be developed that can carry out the task of segmenting brain tumors through magnetic resonance images. To do this, we will use a neural network that will be provided with a set of image data with varieties of various tumors in different places and shapes. To carry out this task we will mainly use prototypes to which functionalities and specifications will be added as soon as results are obtained from both the training and the validations that our segmenter performs. The tools that will be used will be open source Computer Vision libraries such as OpenCV, as well as tool sets for the development of neural networks. In this last area it will be carried out in the Pytorch environment. Based on the results obtained, the project’s research will be refined to continue improving the success rate of the exercise. To refine this data, different parameters will be used, among which we can observe the size of the image, its rotation, the lighting it has, the opacity, etc. These are values that can influence the prediction of our segmenter. Keywords: Artificial intelligence, data, methods, medicine, brain tumors, MRI, segmentation.