Estudio y validación de técnicas de inteligencia artificial aplicadas al análisis de imágenes médicas. Desarrollo de un CAD para la detección de nódulos pulmonares

Abstract

[Resumen] La detección de nódulos pulmonares es una de las áreas más estudiadas y que más atención recibe dentro del campo del análisis de imagen médica. Los principales factores que han provocado esta investigación han sido la elevada complejidad de la estructura pulmonar, dificultando su análisis, así como el progresivo incremento en la incidencia de cáncer de pulmón en las sociedades modernas, convirtiéndose en una de las principales causas de muerte en el mundo. La presente tesis propone el desarrollo de un prototipo de sistema de ayuda al diagnóstico (CAD) para la detección de nódulos pulmonares. El principal objetivo radica en proporcionar una ayuda significativa a los radiólogos en la tarea del diagnóstico del carcinoma pulmonar, reduciendo su complejidad y tiempo de análisis. Para ello se han identificado y desarrollado las fases generales de un CAD, esto es, preprocesado de la región pulmonar, identificación y segmentación de las regiones candidatas, selección de volúmenes candidatos y por último su clasificación en forma de nódulo o no nódulo. En cada una de las fases del CAD se ha analizado la adecuación de diferentes algoritmos dentro del campo de la Inteligencia Artificial como son: las máquinas de soporte vectorial, técnicas de clustering difuso y redes de neuronas artificiales. En base a este análisis, se han desarrollo nuevas técnicas que solucionan de forma óptima cada una de las etapas del sistema, destacando el diseño de nuevas técnicas de defuzzificación y un nuevo algoritmo de clustering difuso denominado MSKFCM que mejora la fase detección de regiones de interés.[Resumo] A detección de nódulos pulmonares é unha das áreas máis estudadas e que máis atención recibe dentro do campo da análise de imaxe médica. Os principais factores que motivaron esta investigación foron a elevada complexidade da estrutura pulmonar, dificultando a súa análise, así como o progresivo incremento na incidencia do cancro de pulmón nas sociedades modernas, converténdose nunha das principais causas de morte no mundo. A presente tese propón o desenvolvemento dun prototipo de sistema de axuda ao diagnóstico (CAD) para a detección de nódulos pulmonares. O principal obxectivo radica en proporcionar unha axuda significativa aos radiólogos na tarefa do diagnóstico do carcinoma pulmonar, reducindo a súa complexidade e tempo de análise. Para iso identificáronse e desenvolvéronse as fases principais dun CAD, isto é, preprocesado da rexión pulmonar, identificación e segmentación das rexións candidatas, selección de volumes candidatos e por último a súa clasificación como nódulo ou non nódulo. En cada unha das fases do CAD analizouse a adecuación de diferentes algoritmos dentro do campo da Intelixencia Artificial, os cales foron: máquinas de soporte vectorial, técnicas de clustering difuso e redes de neuronas artificiais. En base a esta análise, desenvolvéronse novas técnicas que solucionan de forma óptima cada unha das etapas do sistema, destacando o deseño de novas técnicas de defuzzificación e un novo algoritmo de clustering difuso denominado MSKFCM que mellora a fase detección de rexións de interese.[Abstract] The detection of lung nodules is one of the most studied areas and that more attention receives within the field of medical image analysis. The main factors that have led this research have been the high complexity of the lung structure, hindering its analysis, as well as the progressive increase of the incidence of lung cancer in modern societies, becoming one of the main causes of death in the world. This thesis proposes the development of a prototype system of aid to the diagnosis (CAD) for the detection of lung nodules. The main objective is to provide a meaningful aid to the radiologists in the task of diagnosis of lung cancer, reducing its complexity and analysis time. For this purpose have been identified and developed the general phases of a CAD, that is, preprocessing the pulmonary region, identification and segmentation of region candidates, selection of volume candidates and finally its classification in the form of nodule or no nodule. In each phase of the CAD has been analyzed the adequacy of different algorithms within the field of Artificial Intelligence such as: support vector machines, fuzzy clustering techniques and artificial neural networks. Based on this analysis, have been developed new techniques to solve optimally each of the stages of the system, standing out the design of new techniques of defuzzification and a new algorithm of fuzzy clustering called MSKFCM that improves the phase of detection of regions of interest.