Arquitectura profunda en cascada para la segmentación de lesiones de accidente cerebrovascular y la generación de mapas paramétricos sintéticos sobre estudios de TC

El accidente cerebrovascular (ACV), segunda causa de muerte en el mundo, requiere un diagnóstico temprano para un pronóstico favorable.Las imágenes de TC tienen limitaciones, especialmente en la identificación de lesiones agudas. Este trabajo introduce una novedosa representación profunda que utiliza datos multimodales TC y mapas paramétricos deperfusión para segmentar lesiones de ACV. La arquitectura sigue una representación autocodificadora que fuerza la atención sobre la geometríadel ACV a través de módulos aditivos de atención cruzada. Además, se propone un entrenamiento en cascada para generar mapas de perfusiónsintéticos que complementen las entradas multimodales, refinando la segmentación de las lesiones en cada etapa del procesamiento y apoyandoel análisis observacional del experto. El enfoque propuesto fue validado en el conjunto de datos ISLES 2018 con 92 estudios; el método supera alas técnicas clásicas con una puntuación Dice de .66 y una precisión de .67.

• Autores: Florez, Sebastian; Gomez, Santiago; Garcia, Julian; Martínez, Fabio
• Tipo de recurso: Article of journal
• Fecha de publicación: 2024
• Institución: Universidad de San Buenaventura
• Repositorio: Repositorio USB
• Idioma: eng
• OAI Identifier: oai:bibliotecadigital.usb.edu.co:10819/28985
• Acceso en línea: https://hdl.handle.net/10819/28985; https://doi.org/10.21500/20112084.7013
• Palabra clave: Computed tomography; Stroke Segmentation; Parametric map; Attention; Tomografía computarizada; segmentación de accidentes cerebrovasculares; mapa paramétrico; Atención
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2