Diagnóstico de nódulos de pulmón mediante segmentación con modelos UNet y YOLOv8 entrenados con el dataset LIDC-IDRI

Abstract

El cáncer es una de las enfermedades con más incidencia y mortalidad de la sociedad actual. Las instituciones médicas y expertos responsables de lograr diagnósticos precisos encuentran un enorme valor en el uso de software que pueda asistir la detección de posibles tumores en imágenes médicas. Por lo tanto, los avances en inteligencia artificial, especialmente los modelos basados en deep learning, están desempeñando un papel cada vez más importante en tareas de alta complejidad, como la detección de patologías a partir de una simple imagen. En este estudio se ha entrenado un modelo de deep learning con una arquitectura UNet con el dataset LIDC-IDRI, el cual es el repositorio abierto más grande de imágenes médicas etiquetadas. Este conjunto de datos contiene imágenes TAC de 1018 pacientes con los correspondientes nódulos pulmonares identificados por radiólogos. El modelo entrenado consigue detectar y segmentar las regiones tumorales de imágenes TAC. Además, se proporcionan métricas que evalúan su rendimiento de acuerdo a criterios tanto 2D como 3D. Por último, se compara su desempeño con uno de los modelos de procesamiento de imágenes más conocidos y recientes: YOLOv8, entrenado, de nuevo, con una adaptación del dataset LIDC-IDRI.

Cancer is one of the diseases with the highest incidence and mortality rates in today’s society. Medical institutions and experts responsible for achieving precise diagnoses find significant value in the use of software that can assist in the detection of possible tumors in medical images. Therefore, advances in artificial intelligence, especially deep learning models, are playing an increasingly important role in tasks of high complexity, such as the detection of pathologies from a single image. In this study, a deep learning model with a UNet architecture was trained using the LIDC-IDRI dataset, which is the largest open repository of labeled medical images. This dataset contains CT scan images from 1018 patients with corresponding lung nodules identified by radiologists. The trained model successfully detects and segments tumor regions in CT scan images. Additionally, metrics are provided to evaluate its performance based on both 2D and 3D criteria. Finally, its performance is compared to one of the most well-known and recent image processing models: YOLOv8, which was trained once again using an adaptation of the LIDC-IDRI dataset.