English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Las enfermedades cardiovasculares son la principal causa de mortalidad, morbilidad y discapacidad a nivel mundial. Gran parte de estas patologias derivan de la aterosclerosis, una enfermedad que afecta a las arterias de mediano y gran calibre provocando su endurecimiento y perdida de elasticidad. La aterosclerosis se caracteriza por el engrosamiento de la capa mas interna de las paredes arteriales debido al deposito de materia grasa, colesterol y otras sustancias. Por tanto, produce un estrechamiento del lumen arterial dificultando el flujo sanguineo normal. A largo plazo, puede llevar a una oclusion total del vaso afectado, impidiendo la llegada de oxigeno a la zona irrigada y provocando accidentes cardiovasculares severos. Asi, es crucial el diagnostico precoz de la aterosclerosis con fines preventivos. En este sentido, el grosor intima-media o IMT (Intima-Media Thickness) de la arteria carotida comun se considera un marcador precoz y fiable de la aterosclerosis y, por tanto, del riesgo cardiovascular. Las paredes de los vasos sanguineos estan formadas por tres capas, de la mas interna a la mas externa: intima, media y adventicia. El IMT se define como la distancia entre las interfaces lumen-intima y media-adventicia y es evaluado mediante imagenes ecograficas que muestran un corte longitudinal de la arteria carotida comun. Esta modalidad de imagen es no-invasiva para el paciente y relativamente economica, aunque suele ser bastante ruidosa y muy dependiente del operador. Ademas, el IMT se suele evaluar de forma manual, marcando pares de puntos sobre la imagen. Estos aspectos dan un caracter subjetivo a la medida del IMT y afectan a su reproducibilidad. La motivacion de esta Tesis Doctoral es la mejora del proceso de evaluacion del IMT sobre ecografias de la arteria carotida comun. El objetivo fundamental consiste en explorar y proponer diferentes soluciones basadas en tecnicas de Aprendizaje Maquina adecuadas para la segmentacion de estas imagenes. De esta forma, se pretende detectar las interfaces lumen-intima y media-adventicia a nivel de la pared posterior del vaso para medir el IMT sin necesidad de la interaccion con el usuario. Este hecho implica que las estrategias propuestas resulten adecuadas tanto para el diagnostico en la practica clinica diaria como para facilitar el desarrollo de estudios sobre un gran numero de imagenes. En particular, el proceso de evaluacion del IMT se lleva a cabo en tres etapas completamente automaticas. En la primera etapa se realiza un pre-procesado de las ecografias para detectar la region de interes, es decir, la pared posterior de la arteria carotida comun. Seguidamente, se procede a la identificacion de las interfaces que definen el IMT. Por ultimo, una etapa de post-procesado depura los resultados y define los contornos finales sobre los que realizar la medida del IMT. Para la deteccion automatica de la region de interes (ROI) se han estudiado dos propuestas diferentes: una basada en Morfologia Matematica y otra basada en Aprendizaje Maquina. Sobre la ROI detectada, la segmentacion de las interfaces lumen-intima y media-adventicia se plantea como un problema de Reconocimiento de Patrones, a resolver mediante tecnicas de Aprendizaje Maquina. Asi, se han estudiado cuatro configuraciones diferentes, utilizando distintos algoritmos de entrenamiento, arquitecturas, representaciones de los datos de entrada y definiciones del espacio de salida. Por tanto, la segmentacion se reduce a realizar una clasificacion de los pixeles de la ecografia. El post-procesado ha sido adaptado a cada una de las estrategias de segmentacion propuestas para detectar y eliminar los posibles errores de clasificacion de forma automatica. Una parte importante del estudio realizado se dedica a la validacion de las tecnicas de segmentacion desarrolladas. Para ello, se ha utilizado un conjunto de 79 ecografias adquiridas con el mismo equipo de ultrasonidos, pero utilizando diferentes sondas y con diferentes resoluciones espaciales. Ademas, se ha realizado la segmentacion manual de todas las imagenes por parte de dos expertos diferentes. Considerando como ground-truth el promedio de cuatro segmentaciones manuales, dos de cada experto, se han evaluado los errores de segmentacion de las estrategias automaticas planteadas. El proceso de validacion se completa con la comparacion de las medidas automaticas y manuales del IMT. Para la evaluacion de los resultados, se han empleado diagramas de cajas, analisis de regresion lineal, diagramas de Bland-Altman y diferentes parametros estadisticos. Los procedimientos desarrollados han demostrado ser robustos frente al ruido y artefactos que puedan presentar las ecografias. Tambien se adaptan a la variabilidad anatomica e instrumental de las imagenes, lograndose una segmentacion correcta con independencia de la apariencia que muestre la arteria en la imagen. Los errores medios obtenidos son similares, o incluso inferiores, a los errores propios de otros metodos automaticos y semiautomaticos encontrados en la literatura. Ademas, como consecuencia de utilizar maquinas de aprendizaje, el proceso de segmentacion destaca por su eficiencia computacional.

Aprendizaje máquina aplicado a la segmentación de imágenes ecográficas de la arteria carótida para la medida del grosor íntima-media