Segmentación automática de ventrículos cerebrales en imágenes de tomografía computarizada no contrastada
Fecha
2018-05
Autores
Valenzuela Beanes, Humberto
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Autónoma de Ciudad Juárez
Resumen
En este trabajo se buscó segmentar automáticamente ventrículos cerebrales en imágenes de tomografía computarizada no contrastada. Se implementaron técnicas de pre-procesamiento para eliminar información no relevante en cada caso. Exitosamente se eliminó la información extraparenquimal de los casos, mediante un algoritmo de extracción de cráneo. Todos los casos se alinearon corrigiendo la rotación derecha e izquierda del paciente; así mismo, la flexión lateral mediante un algoritmo de detección del plano sagital medio. Una vez que los casos estuvieron preprocesados se delimitó un volumen de interés, de acuerdo con la localización de los ventrículos en los tres planos. Se caracterizaron los ventrículos cerebrales en términos de HU utilizando técnicas de lógica difusa y se implementaron técnicas de post-procesamiento. Los resultados muestran que la segmentación automática de los ventrículos fue correcta con una especificidad promedio de 99.90% y una sensibilidad promedio de 82.31% en comparación con el estándar de oro que fue la segmentación manual de un radiólogo.
Descripción
El cuerpo académico de procesamiento avanzado de imágenes médicas de la Universidad Autónoma de Ciudad Juárez en conjunto con la Universidad Politécnica de Cataluña y el Colegio de Especialistas en Radiología e Imagen de Ciudad Juárez han estado desarrollando diversas investigaciones en neurorradiología. Como parte de estas investigaciones, se está desarrollando un atlas cerebral en tomografía computarizada no contrastada (NCCT), donde se busca identificar automáticamente las estructuras cerebrales mediante técnicas de visión por computadora. Este proyecto forma parte de la implementación de algoritmos de segmentación automática. En este trabajo se segmentarán ventrículos cerebrales en imágenes de tomografía computarizada.
Palabras clave
Ingeniería Biomédica, Segmentación, Ventrículos, Tomografía computarizada, Cerebrales