Luz, máquinas, y cáncer: sistemas de imagen y técnicas de procesado para el diagnóstico de medios dispersivos mediante imágenes de amplio campo de visión

Autor: Pardo Franco, Arturo
Přispěvatelé: Conde Portilla, Olga María, Universidad de Cantabria
Jazyk: angličtina
Rok vydání: 2022
Předmět:
Zdroj: UCrea Repositorio Abierto de la Universidad de Cantabria
Universidad de Cantabria (UC)
Popis: RESUMEN: En los tejidos biológicos, la luz tiende a dispersarse en todas direcciones, en función de la estructura morfológica y la composición química de la muestra sobre la que incida. Esta tesis doctoral versa sobre técnicas de análisis que, o bien estudian la luz retroesparcida que retorna a un observador (reflectancia difusa), o bien se apoyan en técnicas que minimizan dicho efecto dispersivo (iluminación estructurada). Las contribuciones de esta tesis se pueden agrupar en cuatro partes fundamentales: el prototipado, montaje y calibración de sistemas hiperespectrales y de imagen en el dominio de las frecuencias espaciales (SFDI) de alta resolución; la mejora de técnicas de aprendizaje máquina para la detección de melanomas en imagen hiperespectral (HSI); el diseño y validación de nuevos sistemas de aprendizaje profundo para la delineación de márgenes quirúrgicos en tumorectomías preservadoras del pecho; y la creación de técnicas flexibles para visualizar información diagnóstica en imágenes multimodales. A lo largo del documento se estudian y discuten varias aplicaciones y líneas futuras de investigación. ABSTRACT: Light tends to diffuse in all directions after impinging on biological tissue; such behavior is highly dependent on the morphological structure and chemical properties of the specimen under illumination. This doctoral dissertation considers a series of techniques that analyze backscattered diffuse reflectance images, as well as those obtained by spatial frequency domain imaging (SFDI), which can reduce the effects of light diffusion and allow for surface optical properties estimation. The scientific contributions of this thesis can be grouped into four main categories, namely: the production, prototyping, and characterization of high-resolution hyperspectral and SFDI imaging devices; the improvement of previous machine learning methods for early melanoma detection using hyperspectral imaging; the design and training of novel deep learning models to perform margin delineation in breast conserving surgery lumpectomy specimens; and the development of new techniques that aid in visualizing diagnostic information in multimodal images. Various applications and future lines of research are discussed throughout the document. Funding Research in this thesis was funded by a number of grants and projects: FPU grant FPU2016/05705 (Spanish Ministry of Education, Culture and Sports). FIS2010-19860 (Spanish Ministry of Education, Culture and Sports). DTS15/00238 and DTS17/00055 (Spanish Ministry of Economy, Industry and Competitiveness and Carlos III Health Institute). INNVAL16/02, INNVAL18/23, and INNVAL20/07 (IDIVAL, Valdecilla Biomedical Research Institute). R01 CA192803 and F31 CA196308 (National Cancer Institute, US National Institutes of Health). SUBVTC-2021-0038 (Government of Cantabria, Consejería de Universidades, Igualdad, Cultura y Deporte). TEC2016-76021-C2-2-R and PID2019-107270RB-C21/AEI/10.13039/501100011033 (Spanish Ministry of Science, Innovation and Universities). TEC2013-47264-C2-1-R (Spanish Ministry of Economy and Competitiveness). FEDER funds. Additional institutional support from CIBER-BBN (Centro de Investigación Biomédica en Red – Bioingeniería, Biomateriales y Nanomedicina), IDIVAL (Instituto de Investigación Valdecilla) and IFCA-UC-CSIC (Instituto de Física de Cantabria). The author would like to express his gratitude to these institutions for their support in making this thesis dissertation possible.
Databáze: OpenAIRE
Externí odkaz: