Resumen

El creciente número de estudios de imágenes y la aplicación predominante de la tomografía por emisión de positrones (PET) en la oncología clínica han llevado a una verdadera necesidad de un manejo eficiente de los volúmenes PET y al desarrollo de nuevos enfoques de análisis de volúmenes para ayudar a los médicos en el diagnóstico clínico, la planificación del tratamiento y la evaluación de la respuesta a la terapia. En este trabajo se propone un nuevo sistema automatizado para el análisis de volúmenes PET oncológicos. El sistema inteligente propuesto despliega dos tipos de redes neuronales artificiales (ANNs) para clasificar los volúmenes PET. La primera metodología es una red neuronal competitiva (CNN), mientras que la segunda se basa en una red neuronal de cuantificación vectorial de aprendizaje (LVQNN). Además, se utiliza en este sistema el criterio de información bayesiano (BIC) para evaluar el número óptimo de clases para cada conjunto de datos PET y ayudar a los bloques de ANN a lograr un análisis prec

• Materias:Axiomas de separación Modelos borrosos
• Subjects:Separation axioms Fuzzy models
• Palabras claves:Estudios de imagen; Tomografía por emisión de positrones; Manejo de volúmenes PET; Enfoques de análisis de volúmenes; Redes neuronales artificiales; Oncología clínica
• Keywords:Imaging studies; Positron emission tomography; PET volume handling; Volume analysis approaches; Artificial neural networks; Clinical oncology