Automatic tissue segmentation of lower limb MRI using autoencoders

DUILIO DEANGELI; JUAN CRUZ GASSO LONCAN; MARCO ANTONIO LOPEZ IBARRA

Piriápolis

Congreso; 22° Congreso Argentino de Bioingeniería y 11° Jornadas de Ingenieria Clínica (SABI2020); 2020

La segmentación de modelos musculo-esquelético es un problema complejo en el campo de procesamiento de imágenes médicas. Avances recientes en software y hardware han permitido a los investigadores implementar técnicas efectivas de machine learning y procesamiento de imágenes para aplicaciones médicas. En este trabajo, evaluamos la arquitectura U-Net para segmentación de tejido de miembro inferior. U-Net esta basada en un autoencodificador con redes neuronales convolucionales (CNN) con conexiones de salto. Esta red fue entrenada con un dataset de 450 cortes de RMI de un solo estudio. Se uso hold-out para su validación. El performance fue evaluado usando F1-score. Los resultados para segmentación binaria (musculo vs. otro tejido) fueron excelentes, en linea con el estado del arte. En conclusión, esta estrategia a mostrado gran potencial en la segmentación automática de tejido.