2026-04-13T07:11:28Zhttps://recercat.cat/oai/request

oai:recercat.cat:2117/4207712025-07-23T04:36:06Zcom_2072_1033col_2072_452951

Automated pancreatic segmentation in abdominal CT Scans: a Deep Learning Approach Villaseca Sitjar, Cristina Àrees temàtiques de la UPC::Enginyeria biomèdica Pancreas--Cancer Neural networks (Computer science) Deep learning (Machine learning) Machine learning Deep Learning Segmentation Pancreas Pàncrees--Càncer Xarxes neuronals (Informàtica) Aprenentatge profund Aprenentatge automàtic S’estima que el càncer de pàncrees esdevindrà la segona causa principal de les morts degudes al càncer als països occidentals per a l’any 2030 [11]. L’adenocarcinoma ductal pancreàtic és el tipus de càncer pancreàtic més comú, i també el més agressiu, amb un pronòstic mèdic particularment sever a causa de l’absència de símptomes específics en les seves etapes inicials, cosa que fa que el 80‐85 per cent dels pacients siguin diagnosticats en etapes avançades [92]. Ja fa uns anys que la intel∙ligència artificial (IA) comença a mostrar‐se con una eina de gran ajuda per als professionals sanitaris a l’hora d’efectuar un diagnòstic del càncer en etapes tempranes i, cada ve‐ gada més, els estudis es centren en l’ús d’aquesta nova tecnologia focal∙litzada en imatges mèdiques. És per això que aquest treball té com a objectiu implementar i validar una nova metodologia basada en un model d’aprenentatge profund que sigui capaç d’efectuar una segmentació precisa del pàn‐ crees, ja que és la base per a fer possible un diagnòstic precís de qualsevol patologia a l’òrgan en qüestió. Basat en la base de dades del PANORAMA Grand Challenge i amb el suport dels recursos computa‐ cionals de l’empresa SYCAI Medical, aquest treball implementarà i optimitzarà un algoritme basat en xarxes neuronals convolucionals (CNN) per a una segmentació precisa del pàncrees en tres di‐ mensions. L’objectiu principal és impulsar una recerca exhaustiva en el camp actual i proposar una metodologia pròpia amb millores incorporades que optimitzin el rendiment i redueixin el cost com‐ putacional de les arquitectures 3D‐CNN per a aquesta aplicació específica. Se estima que el cáncer de páncreas se convertirá en la segunda causa principal de las muertes debidas al cáncer en los países occidentales para el año 2030 [11]. El adenocarcinoma ductal pan‐ creático es el tipo de cáncer pancreático más común, y también el más agresivo, con un pronóstico médico particularmente severo debido a la ausencia de síntomas específicos en sus etapas iniciales, lo que hace que el 80‐85 por ciento de los pacientes sean diagnosticados en etapas avanzadas [92]. Hace ya unos años que la inteligencia artificial (IA) empieza a mostrarse como una herramienta de gran utilidad para los profesionales sanitarios a la hora de efectuar un diagnóstico del cáncer en eta‐ pas tempranas y, cada vez más, los estudios se centran en el uso de esta nueva tecnología focalizada en imágenes médicas. Es por ello que este trabajo tiene como objetivo implementar y validar una nueva metodología basada en un modelo de aprendizaje profundo que sea capaz de efectuar una segmentación precisa del páncreas, ya que es la base para hacer posible un diagnóstico preciso de cualquier patología en el órgano en cuestión. Basado en la base de datos del PANORAMA Grand Challenge, y con el apoyo de los recursos com‐ putacionales de la empresa SYCAI Medical, este trabajo implementará y optimizará un algoritmo basado en redes neuronales convolucionales (CNN) para una segmentación precisa del páncreas en tres dimensiones. El objetivo principal es impulsar una investigación exhaustiva en el campo actual y proponer una metodología propia con mejoras incorporadas que optimicen el rendimiento y reduz‐ can el costo computacional de las arquitecturas 3D‐CNN para esta aplicación específica. It is estimated that pancreatic cancer will become the second leading cause of cancer‐related deaths in Western countries by 2030 [11]. Pancreatic ductal adenocarcinoma is the most common type of pancreatic cancer, and also the most aggressive, with a particularly severe medical prognosis due to the absence of specific symptoms in its early stages, resulting in 80‐85 percent of patients being diagnosed at advanced stages [92]. For some years now, artificial intelligence (AI) has been showing as a valuable tool for health pro‐ fessionals when it comes to the early diagnosis of cancer, and increasingly, studies are focusing on the use of this new technology focusing on medical images. This is why this work aims to implement and validate a new methodology based on a deep learning model that is capable of performing ac‐ curate segmentation of the pancreas, as this is the basis for making possible a precise diagnosis of any pathology in the organ in question. Based on the PANORAMA Grand Challenge dataset, and with the support of the computational re‐ sources of the company SYCAI Medical, this work will implement and optimize an algorithm based on convolutional neural network (CNN) architectures for precise three‐dimensional segmentation of the pancreas. The main objective is to drive thorough research in the current field and propose our own methodology with incorporated improvements that optimize performance and reduce the computational cost of 3D‐CNN architectures for this specific application. 2024-10-29 Bachelor thesis http://creativecommons.org/licenses/by-nc-nd/4.0/ Open Access Attribution-NonCommercial-NoDerivs 4.0 International Universitat Politècnica de Catalunya