Desarrollo de módulo de aplicación para sistemas Open source PACS: Sistema de recuperación de imágenes de contenido (CBIR), para diagnosis y tratamiento en el área de Atención Primaria usando imágenes de Resonancia Magnética cerebral

Abstract

El objetivo principal de esta tesis es estructurar, desarrollar y validar un prototipo de Sistema de segmentación que involucre distintos tejidos anómalos en una región de interés (ROI), preservando el contraste en la visibilidad de detalle en la misma región de interés para imágenes de Resonancia Magnética cerebral. Esta iniciativa se apoyará con herramientas de desarrollo de software para generar códigos de programación que sirvan de prototipo ejecutable, usando datos reales y sintéticos, sobre la base en la implementación de Algoritmos Híbridos de Agrupamiento difuso y Genéticos que:

Incorporen el conocimiento de los expertos y que este pueda ser expresado con información convincente, categorizada a un clúster al que se le asignen etiquetas de predicados difusos que representen a la estructura en estudio. Incorporen un nuevo enfoque que permita una sub-segmentación de imágenes de resonancia magnética, usando la metodología del Algoritmo de Agrupamiento difuso de C-medias modificado con el propósito de determinar sub-grupos de datos de interés que puedan ser caracterizados en típicos o atípicos, y así poder aplicarlos particularmente al diagnóstico clínico. Incorporen un enfoque modificable para futuras re-asignaciones de clústeres de datos para asignar etiquetas externas que proporcionen una mejor validez en la partición, con el fin de mantener constante e invariable el nº de clústeres. Incorporen la adaptación de una metodología subyacente en los Algoritmos Genéticos para la optimización de una función multiobjetivo con ayuda del algoritmo NSGA-II, que genere un factor de mejora en el dominio de los datos resultantes de las IRM en las regiones de interés (ROI), específicamente para el contraste y visibilidad de detalle de dicha región luego de haberse segmentado la imagen.