Estudio y validación de técnicas de inteligencia artificial aplicadas al análisis de imágenes médicas.: Desarrollo de un CAD para la detección de nódulos pulmonares

• Autores: Alberto Rey López
• Directores de la Tesis: Alfonso Castro Martínez (dir. tes.) , Bernardino Arcay (dir. tes.)
• Lectura: En la Universidade da Coruña ( España ) en 2016
• Idioma: español
• Número de páginas: 152
• Tribunal Calificador de la Tesis: Jesús Chamorro (presid.) , Milagros Marini Díaz (secret.) , Dionís Boixader (voc.)
• Enlaces
  • Tesis en acceso abierto en: RUC
• Resumen

  • La detección de nódulos pulmonares es una de las áreas más estudiadas y que más atención recibe dentro del campo del análisis de imagen médica. Los principales factores que han provocado esta investigación han sido la elevada complejidad de la estructura pulmonar, dificultando su análisis, así como el progresivo incremento en la incidencia de cáncer de pulmón en las sociedades modernas, convirtiéndose en una de las principales causas de muerte en el mundo. La presente tesis propone el desarrollo de un prototipo de sistema de ayuda al diagnóstico (CAD) para la detección de nódulos pulmonares. El principal objetivo radica en proporcionar una ayuda significativa a los radiólogos en la tarea del diagnóstico del carcinoma pulmonar, reduciendo su complejidad y tiempo de análisis. Para ello se han identificado y desarrollado las fases generales de un CAD, esto es, preprocesado de la región pulmonar, identificación y segmentación de las regiones candidatas, selección de volúmenes candidatos y por último su clasificación en forma de nódulo o no nódulo. En cada una de las fases del CAD se ha analizado la adecuación de diferentes algoritmos dentro del campo de la Inteligencia Artificial como son: las máquinas de soporte vectorial, técnicas de clustering difuso y redes de neuronas artificiales. En base a este análisis, se han desarrollo nuevas técnicas que solucionan de forma óptima cada una de las etapas del sistema, destacando el diseño de nuevas técnicas de defuzzificación y un nuevo algoritmo de clustering difuso denominado MSKFCM que mejora la fase detección de regiones de interés.