1st ITMA

Abstract information

English title:	Improving the breast ultrasound Image resolution using generative adversarial network
Spanish title:	Mejora de resoluci�n en im�genes de ultrasonido de seno usando redes adversarias generativas
English abstract:	For women with high risk of breast cancer, the American Cancer Society recommends a yearly breast screening using mammography or magnetic resonance, usually starting at 30 years old. However, breast cancer detection of young women using mammography is difficult for women with dense breast. In general, magnetic resonance can be used to confirm a diagnostic in young women, but this technique is highly costly. Breast ultrasound imaging is also a technique of low cost that is especially helpful in women with dense breast tissue. It is also a very safe technique because it does not expose a person to ionizing radiation. The major issue of the breast ultrasound imaging is the resolution of the images compared to the mammograms or magnetic resonance images. In this work, we propose the use of generative adversarial network-neural networks to improve the resolution of breast ultrasound. The generative adversarial network will be trained with a database having more than 3000 images of low-resolution ultrasound and its equivalent high-resolution ultrasound. The high-resolution ultrasound images are obtained from magnetic resonance images, where the tissues that are present in the images are identified and then converted to the ultrasound equivalent. The generative adversarial network-neural networks will be validated with around 1000 low-resolution ultrasound images.
Spanish abstract:	Para mujeres con alto riesgo de c�ncer de seno, la Sociedad Americana contra el C�ncer aconseja la realizaci�n de una resonancia magn�tica y una mamograf�a cada a�o, por lo general a partir de los 30 a�os. En general, existen varios factores que afectan el proceso de detecci�n temprana de c�ncer, como por ejemplo la alta densidad relativa del seno que dificulta la detecci�n temprana en pruebas como la mamograf�a. Por lo general, la resonancia magn�tica es el m�todo que se usa principalmente para confirmar un diagn�stico, pero en la mayor�a de los casos es de dif�cil acceso debido a su alto costo; adem�s de que suele presentar falsos positivos. Tambi�n es posible usar im�genes de ultrasonido, el cual es un m�todo menos costoso y m�s seguro debido a que no se expone al paciente a radiaci�n ionizante. El principal problema es que el ultrasonido genera im�genes de baja resoluci�n comparadas con las im�genes obtenidas por mamograf�a o por resonancia. Por esta raz�n, se propone el uso de redes neuronales adversarias generativas para mejorar la resoluci�n de las im�genes de ultrasonido, a partir del entrenamiento de la red con una base de datos de m�s de 3000 im�genes de ultrasonido de baja resoluci�n con su correspondiente imagen de alta resoluci�n. La imagen de ultrasonido de alta resoluci�n se obtiene a partir de la identificaci�n de tejidos observados en la imagen de resonancia magn�tica. La validaci�n de la red se realizar� con aproximadamente 1000 im�genes de ultrasonido de baja resoluci�n.
Topic:
Presentation Type:
Speaker:

Authors

Name	Institution	Email
Ana Ramirez	Universidad Industrial de Santander	anaberam@uis.edu.co
Oscar M. Reyes	Universidad Industrial de Santander	omreyes@uis.edu.co
Sergio A. Abreo	Universidad Industrial de Santander	sergio.abreo@e3t.uis.edu.co
Juan Carlos Solano	Universidad Industrial de Santander	juan.solano2@correo.uis.edu.co
Edward Vega	Universidad Industrial de Santander	edward.vega@correo.uis.edu.co

Presentation

Room:	Aula Máxima de Ingeniería Mecánica Auditorium
Date:	2 December 2022
Hour:	09:40 - 10:00

Home

1^st ITMA

Innovative Technologies for Medical Applications

Universidad Industrial de Santander

Contact information:

Research group CPS: cps.info@uis.edu.co

Copyright © FORISTOM Foundation, 2022
All rights reserved