Aplicación de modelos de aprendizaje profundo a segmentación de imágenes IVUS
Ver/
Identificadores
URI: http://hdl.handle.net/10317/12753Compartir
Métricas
Estadísticas
Ver Estadísticas de usoMetadatos
Mostrar el registro completo del ítemAutor
García Navarro, CarlosDirector/a
Morales Sánchez, JuanEscuela/Centro
Escuela Técnica Superior de Ingeniería de TelecomunicaciónUniversidad
Universidad Politécnica de CartagenaDepartamento
Tecnologías de la Información y las ComunicacionesÁrea de conocimiento
Teoría de la Señal y las ComunicacionesFecha de publicación
2023-09-14Cita bibliográfica
García Navarro, Carlos. Aplicación de modelos de aprendizaje profundo a segmentación de imágenes IVUS. Universidad Politécnica de Cartagena, 2023Palabras clave
Deep LearningIVUS
Segmentación
Lumen
Pared vascular
Resumen
[SPA] Este trabajo aborda la segmentación simultánea de los contornos del lumen y el vaso sanguíneo en imágenes de IVUS, lo que podría suponer una valiosa ayuda para los cardiólogos en la toma de decisiones durante la Intervención Coronaria Percutánea. Con este propósito, se escogió un modelo de Deep Learning, Deeplabv3+, con Modified Alligned Xception como columna vertebral de la red, y se utilizaron datos del ensayo FFR react trial. Además, se aplicaron técnicas avanzadas tales como aumento de datos, optimización de hiperparámetros mediante búsqueda bayesiana y postprocesado de las predicciones mediante morfología matemática para mejorar las prestaciones del flujo de trabajo elegido. La implementación final optimizada obtuvo, para el caso de imágenes sin stent, una puntuación Dice de 0,952 y 0.960 para el lumen y la pared vascular, respectivamente, y una distancia Hausdorff de 0.207 mm y 0.278 mm para el contorno del lumen y la pared vascular, respectivamente. En el caso de imágenes ...
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales