RT info:eu-repo/semantics/masterThesis
T1 Técnicas de segmentación semántica aplicadas en imágenes de laparoscopia
A1 Monasterio Expósito, Leticia
K1 Realidad aumentada
K1 Segmentación semántica
K1 Redes neuronales
K1 Convolución
K1 Bases de datos
K1 Intervención quirúrgica
K1 Laparoscopia
K1 Telecomunicaciones
K1 Telecommunication
AB Este trabajo tiene como objetivo proponer un método de segmentación semántica en imágenes médicascapturadas por una cámara de laparoscopia. La segmentación semántica consiste en clasificar cada píxelde una imagen entre un conjunto de clases, tales como instrumental, órganos del cuerpo, fondo, etc. Losmétodos de segmentación semántica son una herramienta de vital importancia para la mejora, mediantetécnicas de realidad aumentada, de las técnicas de cirugía medicina mínimamente invasiva (MIS) o delaparoscopia. Para ello se requieren métodos robustos a cambios en la imagen y deformaciones de losobjetos y que funcionen en tiempo real. Este trabajo desarrolla y estudia métodos de segmentaciónsemántica 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 convolucionalesy 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 deinstrumental médico y órganos en operaciones de laparoscopia de riñón en cerdos. Además se ha realizadoel etiquetado y evaluación del método propuesto en una base de datos de operaciones de laparoscopiade hígado. La red propuesta se ha comparado y evaluado mediante dichas bases de datos con dos redesconvolucionales del estado del arte, obteniendo resultados competitivos y permitiendo su ejecución entiempo real en un sistema comercial basado en unidades gráficas de proceso o GPU.
YR 2018
FD 2018
LK http://hdl.handle.net/10017/34681
UL http://hdl.handle.net/10017/34681
LA spa
DS MINDS@UW
RD 29-abr-2024