Por favor, use este identificador para citar o enlazar este ítem:
http://cimat.repositorioinstitucional.mx/jspui/handle/1008/1118| SEGMENTACIÓN AUTOMÁTICA DE ARTERIAS CORONARIAS MEDIANTE TÉCNICAS DE INTELIGENCIA COMPUTACIONAL EN ANGIOGRAMAS DE RAYOS X | |
| FERNANDO CERVANTES SANCHEZ | |
| Acceso Abierto | |
| Atribución-NoComercial | |
| CIENCIAS DE LA COMPUTACIÓN | |
| Esta disertación doctoral aborda el problema de detección y segmentación automática de arterias coronarias en angiogramas de rayos X. Los métodos desarrollados a lo largo de este trabajo de investigación involucran técnicas de inteligencia computacional, como son metaheurísticas de una sola solución, métodos evolutivos, redes neuronales artificiales, y redes neuronales convolucionales. En las últimas décadas, este problema ha sido abordado tomando diversos enfoques; sin embargo, los resultados obtenidos hasta ahora no han mostrado la robustez ni exactitud necesarios para ser empleados en sistemas para la asistencia de diagnósticos en la clínica práctica. En el presente trabajo de investigación se han estudiado métodos de procesamiento digital de imágenes con el ajuste automático de sus parámetros mediante técnicas de computación evolutiva. Además, el análisis multiescala ha sido introducido con la combinación de múltiples respuestas de métodos de detección de estructuras arteriales a través de redes neuronales artificiales. En la etapa de detección, dichos métodos han alcanzado los resultados más altos en comparación con métodos del estado del arte para la detección de estructuras arteriales en imágenes médicas (Área bajo la curva de ROC Az=0.9755). En cuanto a la segmentación de arterias coronarias en angiogramas de rayos X, las respuestas obtenidas con los métodos de detección aquí desarrollados han sido procesadas con múltiples técnicas de binarización. En un enfoque comparativo, la técnica de segmentación ha sido determinada para cada método de detección en base a cinco métricas de desempeño. Adicionalmente, se han empleado métodos del paradigma de aprendizaje profundo basados en redes neuronales convolucionales. En un análisis comparativo, los métodos desarrollados durante este trabajo de investigación han obtenido los resultados más altos (Exactitud de classificación Accuracy=0.9773) con respecto a los métodos de segmentación arterial del estado del arte. Dichos resultados han sido obtenidos utilizando la base de datos de angiogramas DCA1, que constituye el primer conjunto de angiogramas de rayos X hecho público para su uso por la comunidad científica. Esta base de datos ha sido empleada para realizar tareas de entrenamiento, validación, y prueba en todos los métodos aquí presentados. Por otra parte, los experimentos computacionales señalan que la combinación de métodos de procesamiento digital de imágenes con técnicas de inteligencia computacional p | |
| 05-11-2020 | |
| Trabajo de grado, doctorado | |
| OTRAS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Tesis del CIMAT |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| TE 823.pdf | 39.96 MB | Adobe PDF | Visualizar/Abrir |