En este trabajo se abordo el problema de la deteccion automatica de nodulos sobre imagenes digitalizadas de radiografias de torax, son objetivos del sistema obtener una alta sensibilidad con una razon aceptable de detecciones falsas positivas, con un coste computacional "bajo". Se aborda tambien el problema de la deteccion de nodulos en su fase inicial. El sistema consta de dos modulos que realizan una localizacion de zonas de imagen que contengan estructuras sospechosas de ser nodulos y su confirmacion posterior como estructuras probablemente nodulares o claramente no nodulos. La deteccion de zonas sospechosas se realiza mediante una red perceptron multicapa entrenada para reconocer estructuras similares a nodulos sobre un fondo anatomico complejo. La red realiza una exploracion rapida del area ocupada por los pulmones, en una imagen de baja resolucion. El objetivo de la segunda fase consiste en reducir el numero de falsos positivos detectados en la primera inspeccion. Para ello, se utiliza una representacion de las regiones sospechosas, ahora sobre una imagen de mayor definicion en un nuevo espacio de propiedades: el espacio de picos de curvaturas. Esta representacion se extrae a partir del modelo facet, que considera las imagenes como una superficie de niveles de gris continua por partes y que se aproxima por una funcion bicubica. Un clasificador neuronal con aprendizaje supervisado permite ahora discriminar estructuras con alta probabilidad de ser nodulos de otras claramente no nodulos: distintos experimentos de deteccion tanto de nodulos reales como simulados entre 4 y 20 mm de diametro muestran la validez del sistema como una herramienta de ayuda al diagnostico.
© 2008-2024 Fundación Dialnet · Todos los derechos reservados