ALGORITMO HEURÍSTICO DE SEGMENTACIÓN DE IMÁGENES PET UTILIZANDO TÉCNICAS DE INTELIGENCIA ARTIFICIAL

Resumen

La cantidad de procedimientos de medicina nuclear se ha incrementado notablemente en los últimos años, convirtiendo a éstos en una herramienta cotidiana que alcanza a amplios sectores de la población. En relación al uso terapéutico de la medicina nuclear, la cantidad de nuevas técnicas y el uso de mayor variedad de radioisótopos demandan una cuantificación dosimétrica precisa y de carácter paciente-específico, a los fines de evaluar daños letales al tumor manteniendo niveles aceptables de dosis en tejidos sanos. En el caso particular de los tratamientos teranósticos que permiten la realización conjunta de tratamiento-diagnóstico, se presenta la posibilidad de realizar dosimetría interna guiada por imágenes. En este caso, resulta crítica la segmentación correcta de las imágenes para la identificación de diferentes tejidos y órganos. Por otra parte, las herramientas de la ciencia de datos y la inteligencia artificial se han difundido en varios campos, en particular el procesamiento digital de imágenes. La posibilidad de utilizar modelos de aprendizaje automático para el procesamiento de imágenes digitales surge como una oportunidad promisoria para complementar el análisis clínico por parte de expertos. En este trabajo se presenta un algoritmo heurístico de segmentación no supervisada utilizando conjuntamente técnicas de clustering y aprendizaje automático, basado en la utilización de dos algoritmos: K-Means y HDBSCAN. Los resultados obtenidos muestran la capacidad de segmentado automático de los algoritmos de clustering resultando éstos una herramienta útil para facilitar y acortar los tiempos de segmentación.