%0 Journal Article 
%A Monasterio Expósito, Leticia
%T Técnicas de segmentación semántica aplicadas en imágenes de laparoscopia
%D 2018
%U http://hdl.handle.net/10017/34681
%X Este trabajo tiene como objetivo proponer un método de segmentación semántica en imágenes médicas
capturadas por una cámara de laparoscopia. La segmentación semántica consiste en clasificar cada píxel
de una imagen entre un conjunto de clases, tales como instrumental, órganos del cuerpo, fondo, etc. Los
métodos de segmentación semántica son una herramienta de vital importancia para la mejora, mediante
técnicas de realidad aumentada, de las técnicas de cirugía medicina mínimamente invasiva (MIS) o de
laparoscopia. Para ello se requieren métodos robustos a cambios en la imagen y deformaciones de los
objetos y que funcionen en tiempo real. Este trabajo desarrolla y estudia métodos de segmentación
semántica de imágenes basados en el uso de redes neuronales profundas, conocidas como deep learning.
En concreto se estudiarán las redes de tipo “fully convolutional” compuestas por capas convolucionales
y se propondrá una arquitectura basada en una encoder-decoder y capas residuales. La red propuesta,
que denominaremos MIS-Net se ha evaluado en dos bases de datos de acceso público para la detección de
instrumental médico y órganos en operaciones de laparoscopia de riñón en cerdos. Además se ha realizado
el etiquetado y evaluación del método propuesto en una base de datos de operaciones de laparoscopia
de hígado. La red propuesta se ha comparado y evaluado mediante dichas bases de datos con dos redes
convolucionales del estado del arte, obteniendo resultados competitivos y permitiendo su ejecución en
tiempo real en un sistema comercial basado en unidades gráficas de proceso o GPU.

%K Realidad aumentada
%K Segmentación semántica
%K Redes neuronales
%K Convolución
%K Bases de datos
%K Intervención quirúrgica
%K Laparoscopia
%K Telecomunicaciones
%K Telecommunication
%~ Biblioteca Universidad de Alcala