Sistema de reconocimiento de la estructura cerebral Cavum Septum Pellucidum basado en Deep Learning para el análisis de anomalías del desarrollo en imágenes de ultrasonido fetal en 2D
Loading...
Date
2025
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javariana Cali
Abstract
En este proyecto se presenta el diseño, desarrollo e implementación de un sistema de reconocimiento basado en Deep Learning para la detección de la estructura craneal en fetos llamada Cavum Septum Pellucidum sobre imágenes de ultrasonido 2D, el cual tiene como objetivo colaborar con el sector salud en la detección temprana de anormalidades prenatales, debido a que este tipo de inconvenientes son muy comunes en el desarrollo del feto y así se podría reducir los índices de mortalidad en recién nacidos. Para el desarrollo del sistema se llevaron a cabo tareas de selección de criterios de recolección y procesamiento de las imágenes de ultrasonido fetal en 2D, además de la identificación de métricas de evaluación para la clasificación de normalidad o anormalidad. Estos modelos podrían ser aplicado a cualquier proceso de seguimiento prenatal donde se tomen imágenes de ultrasonidos para el control del crecimiento del feto. Las anormalidades detectadas podrían ayudar a diagnosticar posibles enfermedades tales como holoprosencefalia, displasia septo-óptica, agenesia de cuerpo calloso, enfermedad de Alexander, esclerosis tuberosa, facomatosis, pinealoma, trisomía del par y esquisencefalia. Teniendo en cuenta todo lo anterior se obtuvo como resultado final de este proyecto dos modelos; El primer modelo se centró en el reconocimiento de los planos craneales y se obtuvo un 99% de accuracy. Por otro lado, el segundo modelo se dividió por plano cerebral (Trans-Ventricular, Trans-Thalamic y Trans-Cerebellum) y se creó específicamente cada uno de ellos enfocados en la identificación de la estructura cerebral Cavum Septum Pellucidum, obteniendo como resultado final un 88.8%, 91% y 95.1% de Curva AUC ROC respectivamente.
Description
item.page.descriptioneng
This project presents the design, development, and implementation of a Deep Learning-based recognition system for the detection of the cranial structure in fetuses called Cavum Septum Pellucidum on 2D ultrasound images. The aim of this system is to collaborate with the health sector in the early detection of prenatal abnormalities, since these types of problems are very common in fetal development, thus reducing mortality rates in newborns. For the development of the system, tasks related to the selection of criteria for the collection and processing of 2D fetal ultrasound images were carried out, in addition to the identification of evaluation metrics for the classification of normality or abnormality. These models could be applied to any prenatal monitoring process where ultrasound images are taken to monitor fetal growth. The detected abnormalities could help diagnose possible diseases such as holoprosencephaly, septo-optic dysplasia, agenesis of the corpus callosum, Alexander disease, tuberous sclerosis, phakomatosis, pinealoma, trisomy of the pair and schizencephaly. Taking into account all the above, the final result of this project was two models; The first model focused on the recognition of cranial planes and obtained 99% accuracy. On the other hand, the second model was divided by cerebral plane (Trans-Ventricular, Trans-Thalamic and Trans-Cerebellum) and each of them was specifically created focused on the identification of the brain structure Cavum Septum Pellucidum, obtaining as a final result 88.8%, 91% and 95.1% of AUC ROC curve respectively.
Keywords
Deep Learning, Estructuras fetales, Malformaciones, Anormalidades, Ultrasonido, Machine Learning, Fetal estructures, Malformations, Abnormalities, Ultrasound