Segmentación automática de imágenes de resonancia magnética cerebral mediante redes neuronales convolucionales

Abstract

Actualmente, el uso de redes neuronales convolucionales para la segmentación de imágenes se ha incrementado en diversas áreas, debido a que en muchos casos el uso de esta tecnología proporciona mejores resultados que los métodos tradicionales de procesamiento de imágenes. En el sector médico, la segmentación automática de imágenes puede resultar de gran ayuda a la hora de realizar diagnósticos, disminuir riesgos en cirugías al proporcionar información relevante sobre la zona a operar, y también puede resultar de gran utilidad en futuros sistemas de cirugía autónomos. En este Trabajo de Fin de Grado se expone la creación de una aplicación de segmentación automática de imágenes de resonancia magnética que sirva como apoyo a los cirujanos a la hora de realizar un proceso de cirugía endoscópica endonasal transesfenoidal, esta aplicación permitirá identificar automáticamente algunas de las estructuras anatómicas a evitar durante la operación para prevenir lesiones en el paciente.

Nowadays, the use of convolutional neural networks for image segmentation has increased in various areas, because in many cases, the use of this technology provides better results than traditional image processing methods. In the medical sector, automatic image segmentation could be of great help when making diagnoses, reducing risks in surgeries by providing relevant information about the area to be operated on, and it can also be very useful in future autonomous surgery systems. In this Final Degree Project, we expose the creation of an application for automatic segmentation of magnetic resonance images that can serve as support to surgeons when performing a process of endonasal transsphenoidal endoscopic surgery, this application will automatically identify some of the anatomical structures to avoid during the operation to avoid injury to the patient.