Resumen

La localización de la región de interés (ROI) es primordial para el análisis de imágenes médicas para ayudar a la identificación y detección de enfermedades. En esta investigación, exploramos la aplicación de un enfoque de aprendizaje profundo en el análisis de algunas imágenes médicas. Los métodos tradicionales se han visto restringidos debido a la apariencia gruesa y granulada de la mayoría de estas imágenes. Recientemente, las técnicas de aprendizaje profundo han producido resultados prometedores en la segmentación de imágenes médicas para el diagnóstico de enfermedades. Esta investigación experimenta con imágenes médicas utilizando una arquitectura robusta de aprendizaje profundo basada en el método Fully Convolutional Network- (FCN-) UNET para la segmentación de tres muestras de imágenes médicas como son la lesión de piel, las imágenes de retina y las imágenes de Resonancia Magnética (MRI) del cerebro. El método propuesto puede identificar eficientemente el ROI en estas imágenes para ayudar en el diagnóstico de enfermedades como el cáncer de piel, los defectos oculares y la diabetes, y el tumor cerebral. Este sistema se evaluó en bases de datos públicas como las imágenes de lesiones cutáneas, las imágenes de la retina y los conjuntos de datos de tumores cerebrales del Simposio Internacional de Imagen Biomédica (ISBI) con más del 90 de precisión y coeficiente de dados.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:imagen médica, diagnóstico de enfermedades, tumor cerebral, imagen, enfoque de aprendizaje profundo, red totalmente convolucional, imágenes de resonancia magnética, técnicas de aprendizaje profundo, produjo resultados prometedores, imagen de lesiones de la piel
• Keywords:medical image, diagnosis of disease, brain tumor, image, deep learning approach, fully convolutional network-, magnetic resonance imaging, deep learning techniques, produced promising results, skin lesions image