Framework basado en Deep Learning para el Análisis Automatizado de Ecografías Cerebrales Neonatales

Abstract

Durante años, el análisis automatizado de ecografías cerebrales neonatales ha representado una línea de investigación activa. Sin embargo, con el avance y consolidación del aprendizaje profundo, han surgido nuevas oportunidades para abordar problemas previamente considerados complejos o difíciles de resolver.

Este trabajo es el resultado de una colaboración entre el Departamento de Ingeniería Informática de la Universidad de Cádiz y el Servicio de Pediatría del Hospital Universitario Puerta del Mar, que ha proporcionado un conjunto de neuroecografías tridimensionales reales. El objetivo principal es investigar y evaluar distintas estrategias basadas en aprendizaje profundo para lograr la clasificación automática de volúmenes patológicos y no patológicos. Además, se plantea explorar algoritmos para la segmentación macroestructural y realizar un estudio de viabilidad sobre modelos generativos.

Los experimentos realizados demostraron el elevado desempeño de las redes convolucionales, así como la eficacia de diversas técnicas complementarias, tales como el aumento de datos, el uso de funciones de penalización o la implementación de bloques de atención. Por último, todas las funcionalidades desarrolladas se integraron con éxito en un framework interactivo que facilita su uso y aplicación.