Deep Learning Tool for the Automatic Detection and Segmentation of Liver Tumors

Paraules clau: Deep Learning, automatic segmentation, liver cancer; Aprendizaje profundo, segmentación automática, cáncer de hígado; Aprenentatge profund, segmentació automàtica, càncer de fetge

Títol en diferents idiomes: Herramienta de Aprendizaje Profundo para la Detección y Segmentación Automática de Tumores en el Hígado; Deep Learning Tool for the Automatic Detection and Segmentation of Liver Tumors; Eina d'Aprenentatge Profund per a la Detecció i Segmentació Automàtica de Tumors de Fetge

Àrees temàtiques: Ciencias de la salud; Health sciences; Ciències de la salut

Confidencialitat: Si

Curs acadèmic: 2023-2024

Estudiant: Balaguer Montero, Maria

Aprenentatge Servei: No

Departament: Enginyeria Informàtica i Matemàtiques

Drets d'accés: info:eu-repo/semantics/openAccess

Data de la defensa del treball: 2024-06-20

Director del projecte: Sala Llonch, Roser

Resum: We aim to develop a tool for the automatic detection and segmentation of liver tumors with existing Deep Learning models. To do so, we have collected 1516 computed tomography scans, coming from several institutions (open-source and private), accounting for 4790 tumors. A review of the state-of-the-art methods has been done too, as well as a benchmarking comparison to our resulting model. Moreover, the impact in segmentation performance of several scan characteristics has been evaluated, together with a sub-study to assess the inter- and intra-radiologists’ variability. Lastly, the quantification of Total Tumor Volume has been tested as a prognostic biomarker.; El nostre objectiu és desenvolupar una eina per a la detecció i segmentació automàtica de tumors hepàtics amb models d'aprenentatge profund existents. Per fer-ho, hem recollit 1.516 exploracions de tomografia computada, procedents de diverses institucions (de codi obert i privades), que representen 4.790 tumors. També s'ha fet una revisió dels mètodes d'última generació, així com una comparació comparativa amb el nostre model resultant. A més, s'ha avaluat l'impacte en el rendiment de la segmentació de diverses característiques d'exploració, juntament amb un subestudi per avaluar la variabilitat inter i intraradiòlegs. Finalment, s'ha provat la quantificació del volum total del tumor com a biomarcador pronòstic.

Matèria: Fetge--Càncer

Entitat: Universitat Rovira i Virgili (URV)

Idioma: en

Ensenyament(s): Ciència de Dades Biomèdiques

Títol en la llengua original: Deep Learning Tool for the Automatic Detection and Segmentation of Liver Tumors

Data d'alta al repositori: 2025-03-03