Segmentación de aorta en imágenes médicas 2D y 3D utilizando redes neuronales

Abstract

En el campo de la segmentación con redes neuronales se han generado grandes avances que frecuentemente han superado las técnicas tradicionales de procesamiento de imágenes. La clasificación de cada píxel es una tarea complicada en el mundo de la medicina debido, principalmente, a la falta de imágenes presegmentadas por expertos. Otros problemas, como las diferencias entre imágenes tomadas entre dos escáneres, dificultan dicha tarea. En este proyecto utilizaremos varias arquitecturas para la segmentación de la arteria aorta e imágenes TC (Tomografía axial computarizada). Específicamente hablaremos de la viabilidad entre los modelos 2D y 3D, además de entender el efecto que tienen las diferentes técnicas y operaciones implementadas.

Over the last years the use of neuronal networks has skyrocketed in every posible application. Specifically, great breakthroughs has been achieved in the field of segmentation, surpassing traditional imaging processing techniques in numerous occasions. In spite of this advances, single pixel identification within an image is still a difficult task in medical fields, mainly due to the lack of pre-segmented images by experts. Other problems include the variation between images of two different scanners. This project uses a variety of well-known, and lesser-known, architectures for aorta images segmentation in CAT (Computed Axial Tomography) scans. We will talk, specifically, about the viability of 2 and 3D , as well as, the effect that different techniques and operations have.