Análisis y aplicación de técnicas de normalización sobre estudios de resonancia magnética abdominal para facilitar la segmentación automática de órganos

Abstract

El objetivo de este proyecto es la investigación y el desarrollo de métodos de procesado de imágenes médicas obtenidas por resonancia magnética y con distintas características para permitir su tratamiento posterior con redes de aprendizaje profundo. Una gran barrera en la adopción de tecnologías como la IA (Inteligencia Artificial) es su usabilidad en el día a día y su robustez ante imágenes de distintos pacientes y máquinas. Este trabajo busca proponer un modo de homogeneizar imágenes de resonancia magnética abdominal de modo que puedan ser tratadas posteriormente con IA. Se han utilizado bases de datos del reto CHAOS y otras facilitadas por la empresa Sycai, y se han analizado utilizando scripts de Python y específicamente la librería intensity-normalization, aplicando las normalizaciones Z-Score y Nyul. Los resultados de la normalización muestran, en general, imágenes con mayor separación en los niveles de intensidad, y con una distribución más homogénea de esos niveles. Esto nos lleva a la conclusión de que la normalización optimiza las imágenes de cara a conseguir mejores resultados en la segmentación posterior, lo que facilitaría un mayor nivel de acierto en el proceso de automatización de diagnóstico de patologías y aceleraría los procesos de investigación.