Resumen

La esclerosis múltiple (EM) es una enfermedad crónica y autoinmune que forma lesiones en el sistema nervioso central. El análisis cuantitativo de estas lesiones ha demostrado ser muy útil en ensayos clínicos para terapias y para evaluar el pronóstico de la enfermedad. Sin embargo, la eficacia de estos análisis cuantitativos depende en gran medida de la precisión con la que se hayan identificado y segmentado las lesiones de EM en la RM cerebral. De ello se encargan normalmente los radiólogos, que etiquetan las imágenes de RM 3D corte a corte utilizando las herramientas de segmentación disponibles habitualmente. Sin embargo, estas prácticas manuales requieren mucho tiempo y son propensas a errores. Para evitar este problema, en los últimos años se han investigado varias técnicas de segmentación automática. En este artículo, proponemos un nuevo marco para la segmentación automática de lesiones cerebrales que emplea una novedosa arquitectura de red neuronal convolucional (CNN). Para segmentar lesiones de diferentes tamaños, tenemos que elegir un filtro específico o un tamaño 3 × 3 o 5 × 5. A veces, es difícil decidir qué filtro funcionará mejor para obtener los mejores resultados. Google Net ha resuelto este problema introduciendo un módulo de inicio. Un módulo de inception utiliza filtros 3×3, 5×5, 1×1 y max pooling de forma paralela. Los resultados muestran que la incorporación de módulos de incepción en una CNN ha mejorado el rendimiento de la red en la segmentación de lesiones de EM. Comparamos los resultados de la arquitectura CNN propuesta para dos funciones de pérdida: la entropía cruzada binaria (BCE) y la medida del índice de similitud estructural (SSIM) utilizando el conjunto de datos del reto ISBI-2015 disponible públicamente. Se obtuvo una puntuación de 93,81, superior a la del evaluador humano con la función de pérdida BCE.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:lesiones, lesiones de esclerosis múltiple, módulo de inicio, corte de imágenes de RM 3D, segmentación automática de lesiones cerebrales, conjunto de datos disponible del desafío ISBI-2015, red neuronal convolucional novedosa, varias técnicas de segmentación automática, medida del índice de similitud estructural, función de pérdida BCE.
• Keywords:lesions, MS lesions, inception module, 3D MR images slice, automatic brain lesion segmentation, available ISBI-2015 challenge dataset, novel convolutional neural network, several automatic segmentation techniques, structural similarity index measure, BCE loss function