Resumen

La segmentación de la próstata a partir de imágenes por Resonancia Magnética (IRM) juega un papel importante en el diagnóstico del cáncer de próstata. Sin embargo, la falta de límites claros y la variación significativa en las formas y apariencias de la próstata hacen que la segmentación automática sea muy desafiante. En los últimos años, los enfoques basados en la tecnología de aprendizaje profundo han logrado avances significativos en la segmentación de la próstata. Sin embargo, estos enfoques se centraron principalmente en las características y contextos dentro de cada corte individual de un volumen 3D. Como resultado, este tipo de enfoques enfrenta muchas dificultades al segmentar la base y el ápice de la próstata debido a la información limitada de los límites de los cortes. Para abordar este problema, en este artículo proponemos una red neuronal profunda con capas convolucionales recurrentes bidireccionales para la segmentación de imágenes de próstata por IRM. Además de utilizar los contextos y características intra-corte, el modelo propuesto también trata

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Próstata; Segmentación; Resonancia magnética; Aprendizaje profundo; Capas convolucionales recurrentes; Cáncer
• Keywords:Prostate; Segmentation; MRI; Deep learning; Convolutional recurrent layers; Cancer