Evaluación de técnicas de reducción dimensional en la clasificación de imágenes hiperespectrales de tumores cerebrales

Abstract

Este Trabajo Fin de Grado (TFG) se ha desarrollado dentro de las líneas de investigación para el procesamiento de imágenes hiperespectrales que se realiza actualmente en la División de Sistemas Integrados (DSI) del Instituto Universitario de Microelectrónica Aplicada (IUMA) de la Universidad de Las Palmas de Gran Canaria, concretamente en el campo del diagnóstico médico. Concretamente, en este TFG se trabajará con imágenes hiperespectrales de tumores cerebrales, adquiridas en el marco del proyecto europeo HELICoiD. El objetivo principal de este TFG ha sido evaluar diferentes técnicas de reducción dimensional de los datos hiperespectrales para evaluar si alguna de las técnicas propuestas permite mejorar los resultados de la clasificación de estas imágenes, permitiendo delinear los límites exactos de los tumores. La base de datos que se ha utilizado en este TFG está compuesta por imágenes hiperespectrales de cinco pacientes diferentes. En cada imagen se han etiquetado una serie de muestras para poder determinar qué tipo de clases conforman las imágenes. Consideramos cuatro tipos de clases: tejido sano, tejido canceroso, vasos sanguíneos y background. Para realizar el proceso de etiquetado, se han recortado manualmente los píxeles que están dentro de los marcadores por medio del programa Matlab, utilizando la información proporcionada por los patólogos. En primer lugar, se han clasificado las muestras usando a su entrada los datos espectrales mediante un clasificador supervisado del tipo Support Vector Machine. Estos resultados servirán como referencia para evaluar el comportamiento de cada técnica de reducción dimensional (RD). Seguidamente se han aplicado diversas técnicas de RD que serán analizadas mediante cuatro métricas de evaluación: Accuracy, matriz de confusión, separabilidad y mapa de clasificación. El software diseñado en Matlab permite observar mejor las diferencias entre los tejidos presentes en las imágenes hiperespectrales. Algunas técnicas de reducción dimensional mejoran la precisión de la localización y la forma del tumor, reduciendo de forma considerable el número de componentes principales requerido. Aunque los resultados obtenidos en este TFG son prometedores, este TFG posee muchas líneas de trabajo futuras, tales como el análisis de diferentes técnicas de reducción dimensional, cambiar el clasificador y utilizar las mismas técnicas de reducción dimensional y optimización de los parámetros del clasificador que se ha usado para el desarrollo de este TFG.