Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme

Autores
Mulet de los Reyes, Alexander; Lord, Victoria Hyde; Buemi, María Elena; Gandía, Daniel; Noriega Alemán, Maikel; Suárez, Cecilia
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una primera segmentación del tumor completo y del tumor activo por métodos clásicos de procesamiento de imágenes. Para lograr una óptima segmentación de las zonas más complejas de edema y necrosis se utilizó una red neuronal del tipo Perceptrón multicapa con una capa oculta. La red se entrenó con 30 características seleccionadas, aportando una salida que clasica cada pixel como tumor activo, edema, necrosis o tejido sano. La exactitud de esta clasicación resultó ser del 88%, mientras que las curvas ROC presentaron áreas cercanas a la unidad. Finalmente, el algoritmo completo logró coeficientes. Dice al nivel de los mejores obtenidos en la actualidad por técnicas más complejas.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Glioblastoma
Procesamiento de imágenes
Redes neuronales
Segmentación automática
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/151736
Acceder
id SEDICI_581f4475f722168178ced62250fe3763
oai_identifier_str oai:sedici.unlp.edu.ar:10915/151736
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Implementación de una red neuronal para la segmentación automática del glioblastoma multiformeMulet de los Reyes, AlexanderLord, Victoria HydeBuemi, María ElenaGandía, DanielNoriega Alemán, MaikelSuárez, CeciliaCiencias InformáticasGlioblastomaProcesamiento de imágenesRedes neuronalesSegmentación automáticaEl glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una primera segmentación del tumor completo y del tumor activo por métodos clásicos de procesamiento de imágenes. Para lograr una óptima segmentación de las zonas más complejas de edema y necrosis se utilizó una red neuronal del tipo Perceptrón multicapa con una capa oculta. La red se entrenó con 30 características seleccionadas, aportando una salida que clasica cada pixel como tumor activo, edema, necrosis o tejido sano. La exactitud de esta clasicación resultó ser del 88%, mientras que las curvas ROC presentaron áreas cercanas a la unidad. Finalmente, el algoritmo completo logró coeficientes. Dice al nivel de los mejores obtenidos en la actualidad por técnicas más complejas.Sociedad Argentina de Informática e Investigación Operativa2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf11-16http://sedici.unlp.edu.ar/handle/10915/151736spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/389/327info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:11:10Zoai:sedici.unlp.edu.ar:10915/151736Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:11:10.54SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
spellingShingle Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
Mulet de los Reyes, Alexander
Ciencias Informáticas
Glioblastoma
Procesamiento de imágenes
Redes neuronales
Segmentación automática
title_short Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_full Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_fullStr Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_full_unstemmed Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
title_sort Implementación de una red neuronal para la segmentación automática del glioblastoma multiforme
dc.creator.none.fl_str_mv Mulet de los Reyes, Alexander
Lord, Victoria Hyde
Buemi, María Elena
Gandía, Daniel
Noriega Alemán, Maikel
Suárez, Cecilia
author Mulet de los Reyes, Alexander
author_facet Mulet de los Reyes, Alexander
Lord, Victoria Hyde
Buemi, María Elena
Gandía, Daniel
Noriega Alemán, Maikel
Suárez, Cecilia
author_role author
author2 Lord, Victoria Hyde
Buemi, María Elena
Gandía, Daniel
Noriega Alemán, Maikel
Suárez, Cecilia
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Glioblastoma
Procesamiento de imágenes
Redes neuronales
Segmentación automática
topic Ciencias Informáticas
Glioblastoma
Procesamiento de imágenes
Redes neuronales
Segmentación automática
dc.description.none.fl_txt_mv El glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una primera segmentación del tumor completo y del tumor activo por métodos clásicos de procesamiento de imágenes. Para lograr una óptima segmentación de las zonas más complejas de edema y necrosis se utilizó una red neuronal del tipo Perceptrón multicapa con una capa oculta. La red se entrenó con 30 características seleccionadas, aportando una salida que clasica cada pixel como tumor activo, edema, necrosis o tejido sano. La exactitud de esta clasicación resultó ser del 88%, mientras que las curvas ROC presentaron áreas cercanas a la unidad. Finalmente, el algoritmo completo logró coeficientes. Dice al nivel de los mejores obtenidos en la actualidad por técnicas más complejas.
Sociedad Argentina de Informática e Investigación Operativa
description El glioblastoma multiforme es el tumor cerebral primario más agresivo y de peor pronóstico en adultos. En la actualidad la segmentación automática de este tipo de tumor está siendo ampliamente estudiada.En este trabajo se utilizaron imágenes de resonancia magnética a las que se les realizó una primera segmentación del tumor completo y del tumor activo por métodos clásicos de procesamiento de imágenes. Para lograr una óptima segmentación de las zonas más complejas de edema y necrosis se utilizó una red neuronal del tipo Perceptrón multicapa con una capa oculta. La red se entrenó con 30 características seleccionadas, aportando una salida que clasica cada pixel como tumor activo, edema, necrosis o tejido sano. La exactitud de esta clasicación resultó ser del 88%, mientras que las curvas ROC presentaron áreas cercanas a la unidad. Finalmente, el algoritmo completo logró coeficientes. Dice al nivel de los mejores obtenidos en la actualidad por técnicas más complejas.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/151736
url http://sedici.unlp.edu.ar/handle/10915/151736
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/389/327
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
11-16
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260615680229376
score 13.13397

Publicaciones similares