Prototipo de clasificación de imágenes MR de lesiones intracraneales basadas en una red neuronal

• Autor: Romero San Román, Francisco Sebastián
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/4678
• Enlace del recurso: https://hdl.handle.net/20.500.12867/4678
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales artificiales; Diagnóstico por imágenes; Lesiones; https://purl.org/pe-repo/ocde/ford#2.06.00

En este Trabajo de investigación realizamos la investigación de la realización de una red neuronal Convolucional que clasifica imágenes de resonancia magnética de lesiones intracraneales; el proceso empieza al obtener las MRI (imágenes de resonancia magnética) que serán sometidas a un proceso de filtrado y de segmentación, realizado por un procesador dedicado al manejo de imágenes mediante programación CUDA, este tratamiento a la imagen permite tener una mejor calidad y de segmentar el total de la imagen para obtener estructuras mas pequeñas que ayuden a una mejora velocidad de procesamiento. Luego de ser procesadas las MRI pasa por la red neuronal que ha sido entrenada con una base de datos específicamente seleccionada de casos de lesiones intracraneales, esta red neuronal ya entrenada es capaz de seleccionar y clasificar las imágenes según sus características, de acuerdo si presentan o no una lesión, que después realizara un posible diagnostico que el medico evaluara. La determinación de la red neuronal a utilizar como las características del procesamiento de las imágenes MRI dependerán del uso especifico del hardware a utilizar, ya que este es de gran peso al ejecutar las funciones necesarias, para poder determinar mejoras en rendimiento de energía, mejoras en velocidad de procesamiento, mejoras en las velocidades de procesamiento de las imágenes como una mejor velocidad de respuesta por parte de la red neuronal, a su vez se espera que la red neuronal tenga en un 10% mas de eficiencia que un medico con experiencia en el análisis de estas imágenes para detectar lesiones intracraneales, como una mejora en la velocidad de diagnostico en 30%.