Realce por similaridad local para la segmentación automática de la arteria aorta torácica en imágenes de tomografía computarizada cardiaca

Mediante este trabajo se propone una estrategia para segmentar la arteria aórtica torácica (TAA) en imágenes tridimensionales (3-D) de tomografía computarizada multicapa. Esta estrategia consta de las etapas de filtrado, segmentación y entonación de parámetros. La etapa de filtrado, se emplea una té...

Full description

Autores:
Contreras-Velásquez, Julio
Vera, Miguel
Huérfano, Yoleidy
Del Mar, Atilio
Wilches-Durán, Sandra
Graterol-Rivas, Modesto
Riaño-Wilches, Daniela
Rojas, Joselyn
Bermúdez, Valmore
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad Simón Bolívar
Repositorio:
Repositorio Digital USB
Idioma:
spa
OAI Identifier:
oai:bonga.unisimon.edu.co:20.500.12442/1827
Acceso en línea:
http://hdl.handle.net/20.500.12442/1827
Palabra clave:
Tomografía
Arteria aorta torácica
Realce por similaridad local
Segmentación
Tomography
Thoracic aorta artery
Local similarity enhancement
Segmentation
Rights
License
Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional
Description
Summary:Mediante este trabajo se propone una estrategia para segmentar la arteria aórtica torácica (TAA) en imágenes tridimensionales (3-D) de tomografía computarizada multicapa. Esta estrategia consta de las etapas de filtrado, segmentación y entonación de parámetros. La etapa de filtrado, se emplea una técnica denominada realce por similaridad local (LSE) con el propósito de disminuir el impacto de los artefactos y atenuar el ruido en la calidad de las imágenes. Esta técnica, combina un filtro promediador, un filtro detector de bordes (denominado black top hat) y un filtro gaussiano (GF). Por otra parte, durante la etapa de segmentación 3-D se implementa un algoritmo de agrupamiento, denominado crecimiento de regiones (RG), el cual es aplicado a las imágenes pre-procesadas. Durante la entonación de parámetros de la estrategia propuesta, el coeficiente de Dice (Dc) es utilizado para comparar las segmentaciones, de la TAA, obtenidas automáticamente, con la segmentación de la TAA generada, manualmente, por un cardiólogo. La combinación de parámetros que generó el Dc más elevado considerando el instante de diástole se aplica luego a las 9 imágenes tridimensionales restantes, obteniéndose un Dc promedio superior a 0.92 lo cual indica una buena correlación entre las segmentaciones generadas por el experto cardiólogo y las producidas por la estrategia desarrollada.