Análisis de técnicas de deep learning en la detección de nódulos pulmonares

Abstract

[Resumen] Además de ser uno de los tipos de cáncer más común en la población, el cáncer de pulmón es también uno de los más mortales. Los investigadores indican que una rápida detección mejora en gran medida las posibilidades de superar la enfermedad. Los radiólogos, con la ayuda de las tomografías axiales computarizadas (TACs), pueden detectar nódulos peligrosos en etapas iniciales. Sin embargo, la detección de los nódulos pulmonares en los TACs es una tarea muy dura y que consume mucho tiempo, por esta razón se han creado sistemas CAD (Computer Aided Diagnosis), cuyo fin es facilitar la detección de nódulos. Con el reciente auge de las técnicas de deep learning para la clasificación de imágenes, estas técnicas también se han aplicado para la tarea de detección de nódulos, debido a que sus resultados superan por mucho a los de las técnicas clásicas de detección. En este trabajo se revisarán y evaluarán arquitecturas y algoritmos de Deep Learning que son propuestos como sistemas CAD para la detección de nódulos pulmonares.

[Abstract] In addition to being one of the most common types of cancer in the population, lung cancer is also one of the most deadly. Researchers indicate that rapid detection greatly improves the chances of overcoming the disease. Radiologists with the help of computed axial tomography (CT) scans can detect dangerous nodules in early stages. However, the detection of pulmonary nodules in CT scans is a very difficult and time-consuming task, for this reason CAD (Computer Aided Diagnosis) systems have been created, the purpose of which is to facilitate the detection of nodules. With the recent rise of deep learning techniques for image classification, these techniques have also been applied for the nodule detection task, because their results far exceed those of classical detection techniques. In this work, Deep Learning architectures and algorithms that are proposed as CAD systems for the detection of pulmonary nodules will be reviewed and evaluated.