Aplicación de técnicas de ensemble para segmentación de radiografías COVID-19

Abstract

Hoy, día 09 de Junio de 2021, la COVID-19 ha causado un total de 3.742.653 de muertes en todo el mundo. Esta enfermedad fue descubierta por primera vez el pasado mes de diciembre de 2019 y se debe principalmente a nueva variante de la familia de los coronavirus, el SARS-COV-2. Los síntomas son muy diversos y depende mucho de la persona que la padece, hay personas que son asintomáticas y no presentan síntomas y otras con cuadros médicos más graves, pudiendo presentar neumonía bilateral, shock e
incluso la muerte. La neumonía bilateral es una reacción inflamatoria en los pulmones que afecta a los dos. En casos sospechosos en los que el sistema respiratorio del paciente se ve afectado, es habitual solicitar como primera prueba de imagen, una radiografía de tórax (RT).
Desde hace unos años, la Inteligencia Artificial aplicada a Medicina está en auge. Son muchos los avances que han permitido que esta nueva tecnología cada vez se encuentre
más presente en los hospitales, centros médicos, centros de investigación...etc, sirviendo como apoyo a los especialistas sanitarios. Una de las líneas de trabajo está enfocada a la aplicación de visión artificial en las radiografías, ámbito que se encarga del reconocimiento
de imágenes y/o la segmentación de objetos. Un claro ejemplo de aplicación de visión artificial es la segmentación de radiografías pulmonares. Existen diversos modelos que se dedican a segmentar radiografías de pulmón,
unos con mejores resultados que otros. Uno de los problemas que se presentan en la segmentación pulmonar, son los escasos datasets públicos que alojan radiografías
pulmonares con sus respectivas máscaras segmentadas por un
radiólogo experto en la materia. Es por ello por lo que puede ser interesante la aplicación de diversas técnicas
de ensemble con algunos de los modelos de segmentación pulmonar entrenados ya previamente. Las técnicas de ensemble son técnicas que se aplican sobre un conjunto
de modelos con el objetivo de mejorar las predicciones que devuelven estos de manera individual. Por ello, en este trabajo se pretende diseñar un sistema que aplique diferentes técnicas de ensemble con el objetivo de mejorar los resultados obtenidos de los modelos de segmentación individuales. Además, se facilitará una interfaz gráfica que mejorará la experiencia de usuario, de tal forma que los especialistas sanitarios puedan ser capaz de interactuar con el sistema y visualizar los resultados de una forma sencilla, intuitiva y amigable.
Abstract:
This disease was discovered for the first time last December 2019 and is mainly due to a new variant of the coronavirus family, SARS-COV-2. The symptoms are very diverse and depends a lot on the person who suffers from it, there are people who are asymptomatic and do not present symptoms and others with more serious medical conditions, being able to present bilateral pneumonia, shock and even death. Bilateral pneumonia is an inflammatory reaction in the lungs that affects both of them. In suspicious cases in which the patient’s respiratory system is affected, it is common to request a chest X-ray (RT) as the first imaging test. For a few years now, Artificial Intelligence applied to Medicine has been on the rise. There are many advances that have allowed this new technology to be increasingly present in hospitals, medical centers, research centers ... etc, serving as support to health specialists. One of the lines of work is focused on the application of artificial vision in radiographs, an area that is responsible for image recognition and / or object segmentation. A clear example of the application of artificial vision is the segmentation of lung radiographs. There are several models that are dedicated to segmenting lung radiographs, some with better results than others. One of the problems that arise in lung segmentation is the few public data sets that have lung radiographs with their respective masks
segmented by a radiologist. That is why the application of various ensemble techniques with some of the previously trained lung segmentation models may be interesting.
Ensemble techniques are techniques that are applied to a set of models with the aim of improving the predictions that they return individually. Therefore, in this work it is intended to design a system that applies different
ensemble techniques with the aim of improving the results obtained from the individual segmentation models. In addition, a graphical interface will be provided that will improve the user experience, in such a way that health specialists may be able to interact with the system and view the results in a simple, intuitive and friendly way.