Resumen de A Contribution to Deep Learning based Medical Image Diagnosis Aids
- español
En este trabajo se realiza un estudio intensivo acerca del uso de técnicas de Deep Learning como apoyo a los profesionales sanitarios para el reconocimiento de patologías mediante imágenes médicas. La mayor parte de la investigación está focalizada en la detección de glaucoma en base a imágenes del fondo del ojo; sin embargo, con el fin de demostrar la viabilidad de los sistemas de procesamiento implementados en este trabajo, se hace uso de otro tipo de imágenes (en este caso, imágenes de rayos X) para detectar otra patología completamente diferente, como es la detección de pacientes con COVID-19. Así pues, en este trabajo se estudian las técnicas clásicas de detección de dichas patologías, se realiza un estudio en profundidad de las técnicas basadas de Deep Learning, se implementan diversos modelos de tratamiento con etapas concretas de pre-procesamiento adaptadas al problema en cuestión y, finalmente, se aplican sobre amplias bases de datos para demostrar la viabilidad de los sistemas creados. Los resultados obtenidos demuestran que las técnicas basadas en Deep Learning puede ser utilizadas como ayuda al diagnóstico de aquellas enfermedades que precisen analizar imágenes médicas. De esta forma, se reduce notablemente la carga de trabajo humana que se necesita para estos análisis.
- English
In this work, an in-depth study about the use of Deep Learning techniques to support healthcare professionals for the recognition of pathologies using medical images is carried out. Most of the research presented in this work is focused on the detection of glaucoma using images of the eye fundus; however, in order to demonstrate the feasibility of the processing systems implemented in this work, other types of images are used (in this case, X-ray images) to detect another completely different pathology, such as the detection of patients with COVID-19. Thus, in this work the classic detection techniques for these pathologies are studied, an in-depth study of the techniques based on Deep Learning is carried out, several treatment models are implemented with specific pre-processing stages adapted to the problem itself; and, finally, these systems are tested using large databases in order to demonstrate the feasibility of the those classification systems. The results obtained demonstrate that Deep Learning techniques can be used as a diagnosis aid of those diseases that require medical images analysis. In this way, the human workload required for these tasks is greatly reduced.
