Bal images analysis for their automatic quantification
View/Open
Cita com:
hdl:2117/356814
Document typeBachelor thesis
Date2021-07-05
Rights accessOpen Access
All rights reserved. This work is protected by the corresponding intellectual and industrial
property rights. Without prejudice to any existing legal exemptions, reproduction, distribution, public
communication or transformation of this work are prohibited without permission of the copyright holder
Abstract
Las imágenes de lavado bronchoalveolar (BAL) son una prueba médica de la que se pueden extraer diferentes patologías en función de su distribución celular. En el hospital Vall d'Hebron los técnicos hacen un recuento manual para determinar esta distribución. No teníamos ninguna imagen BAL etiquetada, porque este es el primer contacto con el problema. En este proyecto, se utiliza la solución basada en maxtree para hacer la primera segmentación y, a continuación, se realiza un proceso de corrección para etiquetar correctamente 56 imágenes BAL. Con este pequeño conjunto de datos, y teniendo en cuenta los resultados del algoritmo basado en maxtree en algunos aspectos, no eran tan buenos como esperábamos, decidimos probar una CNN basada en U-Net. Aplicamos técnicas específicas para pequeños conjuntos de datos y probamos diferentes parametrizaciones de la red. Finalmente, obtenemos un 70% de puntuación global IOU aprox. en la validación de la CNN. Bronchoalveolar lavage (BAL) images are a medical test from which different pathologies can be extracted based on their cellular distribution. In the hospital La Vall d'Hebron technicians make manual count to determine this cell distribution. We did not have any labelled BAL image, because this was the first contact with the problem. In this project, maxtree-based solution is used to do the first segmentation, and then, a correcting process is carried out in order to correctly label 56 BAL images. With this small dataset, and taking into account the maxtree results in some aspects were not as good as we expected, we decided to test and train a CNN based in the U-Net. We applied specific techniques for small datasets and we tested different parametrizations of the network. Finally, we obtain 70% IoU global score approx. in the validation of the CNN. Les imatges de rentat bronchoalveolar (BAL) són una prova mèdica de la qual es poden extreure diferents patologies en funció de la seva distribució cel·lular. A l'hospital La Vall d'Hebron els tècnics fan un recompte manual per determinar aquesta distribució. No teníem cap imatge BAL etiquetada, perquè aquest es el primer contacte amb el problema. En aquest projecte, s'utilitza la solució basada en maxtree per fer la primera segmentació i, a continuació, es realitza un procés de correcció per etiquetar correctament 56 imatges BAL. Amb aquest petit conjunt de dades, i tenint en compte els resultats maxtree en alguns aspectes, no eren tan bons com esperàvem, vam decidir provar una CNN basada en U-Net. Vam aplicar tècniques específiques per a petits conjunts de dades i vam provar diferents parametritzacions de la xarxa. Finalment, obtenim un 70% de puntuació global IoU aprox. en la validació de la CNN.
DegreeGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
Files | Description | Size | Format | View |
---|---|---|---|---|
ACA_Memory.pdf | 11,33Mb | View/Open |