Detección de Anomalías en Imágenes de Resonancia Magnética del Cerebro mediante Machine Learning

Ponente(s): Kevin Alfredo Sarmiento Luévano, Bolivia Teresa Cuevas Otahola, Jesús Alonso Arriaga Hernández, María Monserrat Morín Castillo, José Jacobo Oliveros Oliveros

En las últimas décadas, los métodos de modelado estadístico han desempeñado un papel relevante gracias al incremento en poder computacional. La aplicación de estos métodos en la medicina diagnóstica plantea un gran potencial para detectar problemas en el cuerpo humano de nuevas o mejoradas maneras. Los Grandes conjuntos de datos y las tecnologías de procesado de imágenes han permitido que métodos de Aprendizaje Estadístico (Machine Learning) sean una apuesta significativa en este campo. El objetivo de este trabajo es determinar la posibilidad de existencia de anomalías en el cerebro humano mediante algoritmos de Aprendizaje Estadístico, como las Redes Neuronales Convolucionales. Se propone aplicar el modelado estadístico a imágenes por resonancia magnética para estimar un umbral de la morfología del cerebro humano, ante el cual se pueda contrastar información nueva en busca de anomalías. A medida que la cantidad de datos disponibles en la investigación aumenta, modelos de Aprendizaje Estadístico pueden proporcionar mejores resultados. Surge la interrogante de qué tan cercanos estos modelos pueden reflejar la realidad y qué tan generalizable puede ser su aplicación. Por lo tanto, la aplicación de modelado estadístico en la medicina diagnóstica y su refinamiento poseen un gran potencial en las ciencias médicas y el bienestar de las personas.