Artificial intelligence approaches for image segmentation and classification in medical imaging analysis

Tot i que el càncer ossi pediàtric és relativament poc freqüent, va ser la tercera causa de mort infantil el 2020. En aquest context, destaquen dues formes prevalents: l'osteosarcoma i el sarcoma d'Ewing, afectant els teixits ossis dels infants. La seva importància es manifesta en la determinació del pronòstic i l'eficàcia del seu tractament, que depenen de factors clau com el tipus de càncer, la ubicació del tumor i l'edat del pacient. És, per tant, essencial comprendre la necessitat d’un diagnòstic precoç. Dins d'aquest marc, és fonamental subratllar la importància de les tècniques d’imatge, amb un èmfasi especial en el paper de la ressonància magnètica (RM). No obstant això, les imatges d'aquests càncers poden generar confusió amb les de tumors benignes, ja que presenten certa similitud. Per abordar aquesta problemàtica, l’objectiu del projecte és realitzar una revisió literària dels algoritmes de segmentació i classificació de tumors ossis pediàtrics desenvolupats recentment. Aquesta revisió busca implementar un dels algoritmes com a eina d'ajuda per l'equip de diagnòstic d'imatge de l’Hospital Sant Joan de Déu. Malgrat l'escassetat d'algoritmes específics per a tumors ossis, s'han implementat dues solucions alternatives: una per a la segmentació de pòlips en imatges de colonoscòpia i una altra per a la classificació de lesions cutànies. Amb una precisió del 93,19% i 91,96%, respectivament, aquests algoritmes, inicialment concebuts per altres àrees, poden ser adaptats i aplicats posteriorment al càncer d'ossos simplement canviant la base de dades utilitzada.
Aunque el cáncer óseo pediátrico es relativamente poco frecuente, fue la tercera causa de muerte infantil en 2020. En este contexto, destacan dos formas prevalentes: el osteosarcoma y el sarcoma de Ewing, afectando los tejidos óseos de los niños. Su importancia se manifiesta en la determinación del pronóstico y la eficacia de su tratamiento, que dependen de factores clave como el tipo de cáncer, la ubicación del tumor y la edad del paciente. Es, por tanto, esencial comprender la necesidad de un diagnóstico precoz. Dentro de este marco, es fundamental subrayar la importancia de las técnicas de imagen, con un énfasis especial en el papel de la resonancia magnética (RM). Sin embargo, las imágenes de estos cánceres pueden generar confusión con las de tumores benignos, ya que presentan cierta similitud. Para abordar esta problemática, el objetivo del proyecto es realizar una revisión literaria de los algoritmos de segmentación y clasificación de tumores óseos pediátricos desarrollados recientemente. Esta revisión busca implementar uno de los algoritmos como una herramienta de ayuda para el equipo de diagnóstico por imagen del Hospital Sant Joan de Déu. A pesar de la escasez de algoritmos específicos para tumores óseos, se han implementado dos soluciones alternativas: una para la segmentación de pólipos en imágenes de colonoscopia y otra para la clasificación de lesiones cutáneas. Con una precisión del 93,19% y 91,96%, respectivamente, estos algoritmos, inicialmente concebidos para otras áreas, pueden adaptarse y aplicarse posteriormente al cáncer de huesos simplemente cambiando la base de datos utilizada.
Although pediatric bone cancer is relatively rare, it was the third leading cause of child mortality in 2020. In this context, two prevalent forms stand out: osteosarcoma and Ewing's sarcoma, which affect the bone tissues of children. Their importance is evident in determining the prognosis and effectiveness of treatment, depending on key factors such as cancer type, tumor location, and the patient's age. Therefore, understanding the need for an early diagnosis is essential. Within this framework, it is crucial to emphasize the significance of imaging techniques, with a special focus on the role of magnetic resonance imaging (MRI). However, images of these cancers may be confused with those of benign tumors due to certain similarities. To address this issue, the project aims to conduct a literature review of recently developed algorithms for segmentation and classification of pediatric bone tumors. This review seeks to implement one of these algorithms as a tool to assist the imaging diagnosis team at the Hospital Sant Joan de Déu. Despite the scarcity of specific algorithms for bone tumors, two alternative solutions have been implemented: one for the segmentation of polyps in colonoscopy images and another for the classification of skin lesions. With an accuracy of 93.19% and 91.96%, respectively, these algorithms, initially designed for other areas, can be adapted and applied to bone cancer by simply changing the used database.