Segmentación de núcleos basada en aprendizaje profundo y detección de melanoma en imágenes histopatológicas de la...

Área de la Ciencia:

• Patología digital
• Biología computacional
• Análisis de imágenes médicas

Sus antecedentes:

• Las imágenes histopatológicas son vitales para el diagnóstico del cáncer de piel, pero son muy grandes, por lo que el análisis manual consume mucho tiempo.
• La segmentación automatizada de núcleos en histopatología es un desafío debido a los límites celulares variables.
• La Inteligencia Artificial (IA) ofrece potencial para el diagnóstico asistido por computadora (CAD) en la detección de cáncer de piel.

Objetivo del estudio:

• Desarrollar una técnica basada en una red neuronal profunda (DNN) para la segmentación automatizada de núcleos y la detección de melanoma en imágenes histopatológicas.
• Acelerar el proceso de diagnóstico mediante la automatización de la identificación y el análisis de núcleos celulares anormales.

Principales métodos:

• Se empleó un enfoque basado en DNN para la segmentación de núcleos.
• Aumento de la imagen utilizando operaciones geométricas para mejorar la robustez.
• Se aplicó una técnica morfológica a los núcleos segmentados para la detección de melanoma.

Principales resultados:

• La técnica propuesta logró una puntuación de dados del 91,61% para la segmentación de núcleos.
• La precisión de detección de melanoma alcanzó una puntuación de dados de 87.9%.
• El método demostró su eficacia en el análisis de la distribución de los núcleos a través de secciones de tejido.

Conclusiones:

• La técnica basada en DNN proporciona una solución eficaz para la segmentación de núcleos y la detección de melanoma en imágenes histopatológicas.
• Este enfoque impulsado por la IA mejora significativamente la eficiencia y la precisión del diagnóstico del cáncer de piel.
• La automatización de estos procesos puede acelerar las evaluaciones diagnósticas integrales.