Segmentación semiautomática de imágenes de resonancia magnética, basada en redes neuronales artificiales

La segmentación de Imágenes de Resonancia Magnética (IRM) es su descomposición en unidades naturales, tejidos normales (sustancia gris, sustancia blanca, fluido cerebro espinal, etc.) y posibles tejidos patológicos (tumores, edema, etc. Las IRM son una herramienta de diagnóstico estándar, y, a diferencia de los otros métodos de estudios por imagen (TAC, PET, etc.), tienen características multidimensionales, ya que existen diferentes modalidades para generar las imágenes (T1, T2, DP), que son utilizadas para conformar los patrones empleados durante el entrenamiento y el testeo de las redes. La segmentación es particularmente importante en aplicaciones como: extracción de características anatómicas, medición volumétrica, visualización 3D, compresión de datos, planeamiento de radioterapia y planeamiento de cirugía. El objetivo de la investigación cuyos resultados se exponen fue explorar el potencial de diferentes estructuras de redes neuronales para realizar la segmentación de IRM del cerebro y analizar los diferentes procesos de preprocesamiento de datos, necesarios para obtener la mayor eficiencia de las redes.