Descripción del proyecto
El objetivo principal de este proyecto es diseñar y aplicar técnicas basadas en Deep Learning para el procesado de imagen médica de TAC y resonancia abdominal con el fin de minimizar los posibles artefactos en la imagen producidos por un mal posicionamiento del paciente durante la realización de la prueba, su movimiento durante la misma o un problema técnico durante la adquisición de la imagen, entre otros.
Las imágenes médicas se utilizarán para el entrenamiento de una red de segmentación semántica para el diagnóstico de lesiones abdominales potencialmente cancerosas y es por eso, que la precisión en la detección es crucial. Partir de un dataset de entrenamiento cuyas imágenes tienen artefactos pueden afectar negativamente a esa precisión.
Con el objetivo de desarrollar red neuronal ligeras y precisas que permitan una fácil integración en los sistemas hardware se estudiará la aplicación de métodos matemáticos de aligeramiento de red neuronal tales como la minimización de parámetros y operaciones a través de la reutilización de capas y la combinación de operaciones.
Asimismo el estudio de la afectación de los distintos parámetros de configuración de la máquina de TAC y resonancia a la imagen resultante y el desarrollo de un algoritmo de procesamiento de las mismas que sea agnóstico e independiente a estos parámetros es otro de los objetivos de ese proyecto.
