Identificación de tumores cerebrales usando datos espectrográficos

Abstract

En la presente memoria se sintetiza un trabajo de investigación realizado como Proyecto Fin de Carrera (PFC), que tiene como principal objetivo desarrollar un sistema clasificador que permita diferenciar entre muestras tumorales y no tumorales a partir de datos espectrográficos. Un diagnóstico temprano de las enfermedades ocasionadas por tumores cerebrales puede ser vital para evitar que un tumor benigno evolucione en un cáncer mucho más agresivo, y una correcta resección (eliminación) del tumor evita que este se vuelva a reproducir. Sin embargo, aumentar la zona de resección con un margen de seguridad adicional puede generar daños cerebrales importantes. Es por ello que se hacen necesarias técnicas que determinen de forma precisa y mínimamente invasiva los límites del tumor. En la actualidad, los avances tecnológicos en la captura de imágenes han aumentado considerablemente la resolución espectral de estas, de este modo es posible identificar el tipo de sustancia de forma automática. En el ámbito médico es posible realizar diagnósticos mediante imágenes de alta resolución espectral (imágenes hiperespectrales), por tanto, esta línea de investigación se centra en identificar correctamente los tipos de tejidos cerebrales. En este trabajo se realiza un estudio sobre diferentes tipos de tumores cerebrales, espectroscopía y sobre algoritmos de clasificación, prestando especial atención a las técnicas utilizadas comúnmente en la clasificación de imágenes hiperespectrales. La idea es implementar sistemas de clasificación usando la tecnología más apropiada para clasificar diferentes tipos de muestras tumorales y sanas. En concreto, se emplea una base de datos proporcionada por el Hospital Universitario de Southampon (Reino Unido) que consiste en respuestas espectrales de absorción y transmitancia para diferentes tipos de tejidos extraídos a pacientes con tumores cerebrales en intervenciones quirúrgicas. Este tipo de datos suponen el caso límite de resolución espacial (un único píxel) pero en contraste, presentan gran resolución y rango espectral. Al final del este trabajo se dispondrá de varios sistemas diseñados a través de diferentes métodos, capaces de diferenciar entre tejidos sanos y tumorales, de distintos tipos y grados.