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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Desarrollo de un Biosensor de Papel para la Detección de Fenol en Efluentes Industriales Utilizando Bioconjugado de Tyr-AuNps Mediado por el Nuevo Aislado Streptomyces tuirus DBZ39
Artículo:
Utilización de redes neuronales artificiales en la predicción del carbono orgánico total en pizarras devónicas utilizando los registros de pozos convencionales y los rayos gamma espectrales
Artículo:
Biosensor inmovilizado con tirosinasa basado en el grupo hidroxilo funcionalizado-MWNT y detección de compuestos fenólicos en vinos tintos
Artículo:
Análisis antropométrico del foramen mentoniano y del foramen mentoniano accesorio en mandíbulas humanas adultas de Zambia.
Artículo:
Aplicación de la tecnología de interacción persona-ordenador de realidad virtual basada en el sensor en la enseñanza del inglés
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
Obtención de gas combustible mediante la bioconversión del alga marina Ulva lactuca
Artículo:
Sistemas de producción y potencial energético de la energía mareomotriz
Artículo:
La necesidad de la planeación estratégica en las organizaciones industriales modernas