Desarrollo de un visor de imágenes Hiperespectrales para aplicaciones de detección de tumores cerebrales basado en Python

Barredo Sánchez, Sergio (2020). Desarrollo de un visor de imágenes Hiperespectrales para aplicaciones de detección de tumores cerebrales basado en Python. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Description

Title: Desarrollo de un visor de imágenes Hiperespectrales para aplicaciones de detección de tumores cerebrales basado en Python
Author/s:
  • Barredo Sánchez, Sergio
Contributor/s:
  • Juárez Martínez, Eduardo
  • Sancho Aragón, Jaime
Item Type: Final Project
Degree: Grado en Ingeniería Electrónica de Comunicaciones
Date: July 2020
Subjects:
Freetext Keywords: Imágenes hiperespectrales; Proceso de imágenes médicas
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Ingeniería Telemática y Electrónica
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview
[img] Archive (ZIP) - Users in campus UPM only
Download (400kB)

Abstract

En el ámbito de las imágenes hiperespectrales es necesaria una alta capacidad de procesamiento y análisis de información debido a que éstas proporcionan gran cantidad de datos procedentes del espectro electromagnético, desde el ultravioleta hasta el infrarrojo. HELICoiD es uno de los proyectos pioneros en la investigación y análisis de las imágenes hiperespectrales en el ámbito de la detección de tumores cerebrales. Su principal objetivo es el desarrollo de una metodología para poder diferenciar entre tejido canceroso y tejido sano en el cerebro. Para llevar a cabo ese objetivo, se emplean herramientas de análisis y procesado que utilizan diferentes algoritmos de clasificación basados en el aprendizaje automático. La posibilidad de utilizar numerosas técnicas de procesado para extraer información de las imágenes hiperespectrales puede suponer, a veces, que el algoritmo elegido no sea el más adecuado. Por ello, el presente proyecto fin de grado proporciona una herramienta de visualización de imágenes hiperespectrales con una interfaz interactiva y manejable, capaz de analizar dinámicamente cualquier imagen hiperespectral con formato ENVI. De este modo, se consiguen analizar de forma más correcta y eficiente los datos, mejorando la toma de decisiones en su posterior procesado y por tanto, la productividad. La aplicación que se ha desarrollado es una interfaz gráfica basada en el lenguaje de programación Python con la ayuda de QtCreator, un software que proporciona herramientas para desarrollar interfaces intuitivas. Con ella, es posible analizar las imágenes hiperespectrales de diferentes formas, proporcionando distintos análisis en función de la información que se quiera obtener. Es posible conseguir información de cada una de las bandas de la imagen, información de la imagen en formato RGB o realizar el cálculo del ángulo espectral de un píxel, ayudando así, a diferenciar zonas con diferentes tejidos, ya sean tejidos sanos, tejidos cancerosos u otros materiales. Además, se permite la visualización de la firma espectral de cada uno de los píxeles seleccionados de la imagen, sobre un gráfico que contiene todo el rango de longitudes de onda existentes en la imagen. Tras analizar los resultados obtenidos, se puede apreciar que la aplicación es capaz de mejorar la productividad del proyecto en el que se enmarca (NEMESIS-3D-CM). Esto se debe a que únicamente es necesaria una herramienta para realizar diferentes análisis en las imágenes hiperespectrales, lo cual anteriormente se realizaba en herramientas distintas. Además, su diseño es escalable, permitiendo el desarrollo de más funcionalidades sobre su interfaz, lo que en un futuro se puede traducir en mejorar la productividad y aumentar razonadamente el rango de investigación del proyecto. Abstract: In the field of hyperspectral imagery is necessary a high capability of processing and analysis of information because they provide a large amount of data from the electromagnetic spectrum, from ultraviolet to the infrared. HELICoiD is one of the pioneering projects on the research and analysis of hyperspectral images in the field of the detection of brain tumors. Its main objective is the development of a methodology to differentiate between cancerous tissue and healthy tissue in the brain. To accomplish this goal, tools of analysis and processing using different classification algorithms based on machine learning are employed. The possibility of using numerous processing techniques to extract information from hyperspectral images, sometimes, may mean that the algorithm chosen for the analysis of the image is not the most appropriate. For this reason, this bachelor thesis provides a tool for the visualization of hyperspectral images with an easy and interactive interface, able to dynamically analyze any hyperspectral image in ENVI format. In this way, data is analyzed in a more accurate and efficient manner, improving the decision taking in the following stages, and hence, the productivity. The application has been developed is a graphical interface based on the Python programming language with the help of QtCreator, a software that provides tools to develop intuitive interfaces. With the application, it is possible to analyze hyperspectral images of different ways, providing each of them different analysis in function of the information required. It is possible to get information of each of the bands of the image, image information in RGB format, or perform the calculation of the angle spectral of a pixel, thus helping to differentiate areas with different tissues, whether they are healthy, cancerous or other materials. In addition, it allows the visualization of the spectral signature of each of the selected pixels of the image, on a chart that contains all the range of wavelengths existing in the image. After analyzing the results, it can be seen that the implementation can improve the productivity of the project in which it is framed (NEMESIS-3D-CM). This is due to the fact that only one tool is needed to realize different analysis, something that was used to be done in several tools. In addition, its design is scalable, allowing the implementation of more functionalities over its interface, which in future could mean improving the productivity and increase reasonably the range of research of the project.

Funding Projects

TypeCodeAcronymLeaderTitle
FP7FP7-ICT-2013.9.2HELICoiDUniversidad Politécnica de MadridProyecto HELICoiD: detección de tumores cerebrales mediante imágenes hiperespectrales
Madrid Regional GovernmentY2018/BIO-4826NEMESIS-3D-CMUniversidad Politécnica de MadridClasificación intraoperatoria de tumores cerebrales mediante modelos inmersivos 3D

More information

Item ID: 66670
DC Identifier: http://oa.upm.es/66670/
OAI Identifier: oai:oa.upm.es:66670
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 09 Apr 2021 09:45
Last Modified: 09 Jun 2021 22:30
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM