Resumen

Las tareas de segmentación en imagen médica suponen un reto exhaustivo para los científicos, ya que la naturaleza de la adquisición de imágenes arroja problemas que dificultan los correctos procesos de reconstrucción y visualización. Dependiendo de la modalidad de imagen concreta, hay que tener en cuenta limitaciones como la presencia de ruido, bordes desvanecidos o diferencias de intensidad elevadas, conocidas, en la mayoría de los casos, como inhomogeneidades. Se necesitan nuevos algoritmos de segmentación para obtener mejores resultados. Este trabajo presenta un nuevo enfoque unificado para mejorar los métodos tradicionales de segmentación como los modelos activos de forma y el modelo de Chan-Vese basado en conjunto de niveles. El enfoque introduce una combinación de implementaciones de análisis local con algoritmos de segmentación clásicos que incorpora información de textura local dada por la transformada Hermite y los Patrones Binarios Locales. La mezcla de métodos basados en regiones y descriptores locales resalta las regiones relevantes considerando información extra que es útil para delimitar estructuras. Hemos realizado experimentos de segmentación en imágenes 2D que incluyen el mesencéfalo en Resonancia Magnética y el endocardio del ventrículo izquierdo del corazón en Tomografía Computarizada. La evaluación cuantitativa se obtuvo con las medidas de coeficiente Dice y distancia de Hausdorff. Los resultados muestran una ventaja sustancial sobre los métodos originales cuando incluimos nuestros esquemas de caracterización. Proponemos la validación de nuevas investigaciones en diferentes estructuras de órganos con resultados prometedores.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Tareas de segmentación; imágenes médicas; adquisición de imágenes; reconstrucción; procesos de visualización; modalidad de imagen; limitaciones; ruido; bordes desvanecidos; diferencias de alta intensidad; inhomogeneidades; algoritmos; modelos activos de forma; modelo de Chan-Vese; conjunto de niveles; análisis local; transformada de Hermite; patrones binarios locales; métodos basados en regiones; descriptores locales; regiones relevantes; estructuras; imágenes 2D; cerebro medio; imágenes por resonancia magnética; endocardio del ventrículo izquierdo del corazón; tomografía computarizada; evaluación cuantitativa; coeficiente Dice; medidas de distancia de Hausdorff; validación de investigaciones; estructuras de órganos; resultados prometedores.
• Keywords:Segmentation tasks; medical imaging; image acquisition; reconstruction; visualization processes; image modality; limitations; noise; vanished edges; high intensity differences; inhomogeneities; algorithms; Active Shape Models; Chan-Vese model; level set; local analysis; Hermite transform; Local Binary Patterns; region-based methods; local descriptors; relevant regions; structures; 2D images; midbrain; Magnetic Resonance Imaging; heart's left ventricle endocardium; Computed Tomography; quantitative evaluation; Dice coefficient; Hausdorff distance measures; research validation; organ structures; promising results.