Resumen

El uso de redes neuronales profundas para segmentar una imagen de resonancia magnética de píxeles distribuidos heterogéneamente en una clase específica asignando una etiqueta a cada píxel es el concepto del enfoque propuesto. Este enfoque facilita la aplicación del proceso de segmentación en una imagen MRI preprocesada, con una red entrenada que se utilizará para otras imágenes de prueba. Como las etiquetas se consideran activos caros en el entrenamiento supervisado, se utilizan menos imágenes de entrenamiento y etiquetas de entrenamiento para obtener una precisión óptima. Para validar el rendimiento del enfoque propuesto, se realiza un experimento con otras imágenes de prueba (disponibles en la misma base de datos) que no forman parte del entrenamiento; el resultado obtenido es de buena calidad visual en términos de segmentación y bastante similar a la imagen real. El índice de similitud Dice medio calculado para las imágenes de prueba es de aproximadamente 0,8, mientras que la medida de similitud Jaccard es de aproximadamente 0,6, lo que es mejor en comparación con otros métodos. Esto implica que el método propuesto puede utilizarse para obtener imágenes de referencia casi similares a las imágenes segmentadas de la verdad sobre el terreno.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:otras imágenes de prueba, enfoque, imagen de resonancia magnética, imágenes reales segmentadas, índice de similitud de Dice, medida de similitud de Jaccard, redes neuronales profundas, menos imágenes de entrenamiento, buena calidad visual, imagen real.
• Keywords:other test images, approach, MRI image, segmented ground truth images, Dice similarity index, Jaccard similarity measure, deep neural networks, fewer training images, good visual quality, ground truth image