Aplicación de técnicas de aprendizaje profundo (deep learning) a clasificación de imágenes histológica

• A. Suárez Lamadrid ^[1] ; B. Acha Piñero ^[1] ; C. Serrano Gotarredona ^[1]
  1. [1] Universidad de Sevilla

     Universidad de Sevilla

     Sevilla, España

     
• Localización: Libro de Actas del XXXVI Congreso Anual de la Sociedad Española de Ingeniería Biomédica / Ma Gloria Bueno García (dir.), 2018, ISBN 978-84-09-06253-9, págs. 349-352
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • El cáncer es una enfermedad cuyo temprano diagnóstico es vital para su tratamiento. Un parámetro utilizado por los expertos para su detección es el denominado grado de proliferación, calculado a partir de las figuras mitóticas presentes en imágenes de muestras histológicas. Esta se trata de una tarea que se realiza de forma manual y que resulta complicada, creando discrepancias entre los patólogos. Con el fin de solucionar este problema, en los últimos años se han desarrollado algoritmos que permitan de forma automática detectar posibles mitosis. Estos algoritmos pueden dividirse en aquellos que hacen uso de técnicas de extracción de características de la imagen y, en los últimos años, aquellos que hacen uso de redes neuronales convolucionales y aprendizaje profundo. Este artículo presenta el desarrollo de un método de entrenamiento con Transfer Learning para una arquitectura de red neuronal conocida y de uso extendido y su implementación en forma de aplicación de análisis y detección de posibles figuras mitóticas. El método y aplicación han sido validados obteniendo una alta sensibilidad y un valor F1 de 0.5253.