Resumen

En este trabajo, proponemos un método novedoso, un conjunto de niveles adaptable basado en la localización de regiones utilizando una red neuronal convolucional, para mejorar el rendimiento de la segmentación del seno maxilar. Los algoritmos convencionales pueden segmentar fácilmente los senos sanos sin lesiones en su interior. Sin embargo, en la práctica, la mayoría de los casos están llenos de lesiones de gran heterogeneidad que conducen a una menor precisión. Por lo tanto, proporcionamos una estrategia para evitar que el contorno activo quede atrapado en una zona no objetivo. En primer lugar, se estudian las características de la lesión y del seno maxilar mediante una red neuronal convolucional (CNN) con una arquitectura de dos capas convolucionales y tres capas totalmente conectadas. Además, las salidas de la CNN se diseñan para evaluar las posibilidades de localización del conjunto de niveles cero cerca de la lesión o no. Por último, el método estima puntos estables en el contorno mediante un proceso interactivo. Si se localiza en la lesión, el punto debe recibir una cierta compensación de velocidad basada en el valor de la posibilidad a través de la CNN, ayudándose a sí mismo a escapar de los mínimos locales. Si no, el punto conserva el estado actual hasta la convergencia. Las capacidades de nuestro método se han demostrado en un conjunto de datos de 200 imágenes de TC con posibles lesiones. Para ilustrar la fuerza de nuestro método, lo evaluamos frente a los métodos del estado del arte, FLS y CRF-FCN. Para todos los casos, nuestro método, evaluado por los coeficientes de similitud Dice, se comportó significativamente mejor en comparación con los métodos actualmente disponibles y obtuvo una mejora Dice significativa, 0,25 que FLS y 0,12 que CRF-FCN, respectivamente, en promedio.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal convolucional, métodos, lesiones, conjunto de niveles basados, coeficiente de similitud de los dados, características de las lesiones, valor de la posibilidad, segmentación del seno maxilar, mejora significativa de los dados, cierta compensación de la velocidad
• Keywords:convolutional neural network, methods, lesions, based level set, dice similarity coefficient, features of lesions, value of possibility, maxillary sinus segmentation, significant dice improvement, certain speed compensation