Mejoramiento de imágenes de TAC de la cavidad torácica

Las enfermedades cardiovasculares son la primera causa de mortalidad en el mundo y el diagnostico de estas es clave a la hora de realizar un tratamiento o intervención temprana. En cardiología, la Tomografía Axial Computarizada (TAC) es uno de los principales medios de diagnóstico. Sin embargo, a pesar de la calidad de los equipos actuales al tomar estas imágenes, existen pequeñas estructuras, ya sea de órganos o tejidos, cuyos bordes se encuentran difuminados y por lo tanto no es posible percibirlos adecuadamente, incluso en softwares de simulación y diagnóstico. Para enfrentar estos inconvenientes, se requiere procesar las imágenes de tal manera que, se muestre una representación precisa de lo que se desea observar. Para ello, se requieren técnicas de filtrado con el objetivo de mejorar la imagen recibida del TAC. En este proyecto, se desea mejorar la calidad de las imágenes de tal manera, que sean más fáciles de segmentar por softwares. Con este objetivo, se tuvo la necesidad de seleccionar filtros que eliminen detalles innecesarios y suavicen los bordes para poder identificar las diferentes secciones de una imagen con mayor precisión y facilidad. Se seleccionaron 4 filtros diferentes, el mediano, el gaussiano, el bilateral y el anisotrópico. A través de MATLAB, se diseñó una interfaz gráfica que, al seleccionar un filtro, lee una carpeta llena de imágenes TAC y las filtra con la técnica de filtrado escogida. En el mismo proceso, se midió la diferencia por pixel y estructural que tenían las imágenes filtradas con respecto a las originales. También se modelaron en tres dimensiones las imágenes filtradas para observar la mejora en la segmentación de estas a través de un script de Python. Al final, se pudieron aplicar todas las técnicas de filtrado a imágenes TAC, y se pudo modelarlas en tres dimensiones. Las que tuvieron mejores resultados a la percepción visual humana fueron los filtros gaussiano y mediano con máscara de 9X9 pixeles.

• Autores: Arrieta, Juan Camilo; Pardo, Germán
• Fecha de publicación: 2020
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: eng
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/9045
• Acceso en línea: http://hdl.handle.net/10584/9045
• Palabra clave: TAC; filtros; CAT; filters
• License: Universidad del Norte