Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local
En el siguiente artículo se da a conocer el uso de la estrategia similaridad local, en la segmentación tridimensional (3D) de la válvula pulmonar en 20 imágenes cardiacas de tomografía computarizada multicapa, correspondientes al ciclo cardiaco completo de un sujeto. La estrategia consta de las sigu...
- Autores:
-
Vera, Miguel
Huérfano, Yoleidy
Contreras-Velásquez, Julio
Bermúdez, Valmore
Del Mar, Atilio
Cuberos, María
Vivas, Marisela
Bautista, Nahid
Saenz, Frank
Rodriguez, Jhoel
- Tipo de recurso:
- Fecha de publicación:
- 2017
- Institución:
- Universidad Simón Bolívar
- Repositorio:
- Repositorio Digital USB
- Idioma:
- spa
- OAI Identifier:
- oai:bonga.unisimon.edu.co:20.500.12442/1833
- Acceso en línea:
- http://hdl.handle.net/20.500.12442/1833
- Palabra clave:
- Válvula pulmonar
Procesos de filtrado
Segmentación
Realce por similaridad local
Pulmonary valve
Filtering processes
Segmentation
Local similarity enhancement
- Rights
- License
- Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional
id |
USIMONBOL2_b2515444f2faaab6911ba74ee6543120 |
---|---|
oai_identifier_str |
oai:bonga.unisimon.edu.co:20.500.12442/1833 |
network_acronym_str |
USIMONBOL2 |
network_name_str |
Repositorio Digital USB |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local |
dc.title.alternative.eng.fl_str_mv |
Segmentation of the pulmonary valve from cardiac tomography images using a strategy based on local similarity enhancement |
title |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local |
spellingShingle |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local Válvula pulmonar Procesos de filtrado Segmentación Realce por similaridad local Pulmonary valve Filtering processes Segmentation Local similarity enhancement |
title_short |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local |
title_full |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local |
title_fullStr |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local |
title_full_unstemmed |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local |
title_sort |
Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local |
dc.creator.fl_str_mv |
Vera, Miguel Huérfano, Yoleidy Contreras-Velásquez, Julio Bermúdez, Valmore Del Mar, Atilio Cuberos, María Vivas, Marisela Bautista, Nahid Saenz, Frank Rodriguez, Jhoel |
dc.contributor.author.none.fl_str_mv |
Vera, Miguel Huérfano, Yoleidy Contreras-Velásquez, Julio Bermúdez, Valmore Del Mar, Atilio Cuberos, María Vivas, Marisela Bautista, Nahid Saenz, Frank Rodriguez, Jhoel |
dc.subject.spa.fl_str_mv |
Válvula pulmonar Procesos de filtrado Segmentación Realce por similaridad local |
topic |
Válvula pulmonar Procesos de filtrado Segmentación Realce por similaridad local Pulmonary valve Filtering processes Segmentation Local similarity enhancement |
dc.subject.eng.fl_str_mv |
Pulmonary valve Filtering processes Segmentation Local similarity enhancement |
description |
En el siguiente artículo se da a conocer el uso de la estrategia similaridad local, en la segmentación tridimensional (3D) de la válvula pulmonar en 20 imágenes cardiacas de tomografía computarizada multicapa, correspondientes al ciclo cardiaco completo de un sujeto. La estrategia consta de las siguientes etapas: a) pre-procesamiento, b) segmentación y c) entonación de parámetros. La etapa a) se aplica, preliminarmente al instante de diástole final y se divide en dos fases denominadas: Filtrado y Definición de una región de interés (ROI) y se emplea la técnica denominada realce por similaridad local (LSE). La aplicación de estas fases tiene por finalidad abordar los problemas de ruido, artefactos y bajo contraste que poseen las mencionadas imágenes. La etapa b) permite la segmentación de la válvula pulmonar, mediante un algoritmo de agrupamiento denominado crecimiento de regiones (RG) el cual es aplicado a las imágenes pre-procesadas. El RG es inicializado con un vóxel “semilla” el cual es detectado mediante un operador de inteligencia artificial denominado máquinas de soporte vectorial de mínimos cuadrados (LSSVM). Finalmente, durante la etapa c), una métrica denominada coeficiente de Dice (Dc) es utilizada para comparar las segmentaciones obtenidas mediante la estrategia propuesta y la segmentación generada, manualmente, por un cardiólogo. La combinación de técnicas de filtrado que genera el Dc más elevado considerando el instante de diástole se aplica posteriormente a las 19 imágenes 3D restantes, obteniéndose un Dc promedio comparable con el reportado en la literatura especializada. |
publishDate |
2017 |
dc.date.issued.none.fl_str_mv |
2017 |
dc.date.accessioned.none.fl_str_mv |
2018-03-09T16:02:58Z |
dc.date.available.none.fl_str_mv |
2018-03-09T16:02:58Z |
dc.type.spa.fl_str_mv |
article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.identifier.issn.none.fl_str_mv |
18564550 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12442/1833 |
identifier_str_mv |
18564550 |
url |
http://hdl.handle.net/20.500.12442/1833 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.license.spa.fl_str_mv |
Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional |
rights_invalid_str_mv |
Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional http://purl.org/coar/access_right/c_abf2 |
dc.publisher.spa.fl_str_mv |
Cooperativa servicios y suministros 212518 RS |
dc.source.spa.fl_str_mv |
Revista Latinoamericana de Hipertensión Vol. 12, No.4 (2017) |
institution |
Universidad Simón Bolívar |
dc.source.uri.none.fl_str_mv |
https://www.redalyc.org/articulo.oa?id=170253258002 |
bitstream.url.fl_str_mv |
https://bonga.unisimon.edu.co/bitstreams/03eecf39-bc48-496f-8344-eed31e4ada7c/download |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
DSpace UniSimon |
repository.mail.fl_str_mv |
bibliotecas@biteca.com |
_version_ |
1814076135562018816 |
spelling |
Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacionalhttp://purl.org/coar/access_right/c_abf2Vera, Miguelc485e4e3-5bbd-4d00-8ec7-e5bc8a0a21e3-1Huérfano, Yoleidy769899ba-e6a1-4144-95c2-ff4614f93578-1Contreras-Velásquez, Julio4a0bae0a-e2a1-4f4b-a25e-afd4c5e502d1-1Bermúdez, Valmore29f9aa18-16a4-4fd3-8ce5-ed94a0b8663a-1Del Mar, Atilio82c097a4-4438-4c35-b8c2-f17c5324ac8b-1Cuberos, María8c8b8bcd-088d-4518-82f4-d7b4038e6a4b-1Vivas, Marisela8a48d7f3-9b15-4821-892c-91f9749f1286-1Bautista, Nahid09ad64c2-66bd-41ad-815c-8364c77ac47e-1Saenz, Frank5120d471-8b81-49b1-83cb-a37212c8dfbe-1Rodriguez, Jhoel9cc918e9-a1c0-48c7-885d-1989050f9e0c-12018-03-09T16:02:58Z2018-03-09T16:02:58Z201718564550http://hdl.handle.net/20.500.12442/1833En el siguiente artículo se da a conocer el uso de la estrategia similaridad local, en la segmentación tridimensional (3D) de la válvula pulmonar en 20 imágenes cardiacas de tomografía computarizada multicapa, correspondientes al ciclo cardiaco completo de un sujeto. La estrategia consta de las siguientes etapas: a) pre-procesamiento, b) segmentación y c) entonación de parámetros. La etapa a) se aplica, preliminarmente al instante de diástole final y se divide en dos fases denominadas: Filtrado y Definición de una región de interés (ROI) y se emplea la técnica denominada realce por similaridad local (LSE). La aplicación de estas fases tiene por finalidad abordar los problemas de ruido, artefactos y bajo contraste que poseen las mencionadas imágenes. La etapa b) permite la segmentación de la válvula pulmonar, mediante un algoritmo de agrupamiento denominado crecimiento de regiones (RG) el cual es aplicado a las imágenes pre-procesadas. El RG es inicializado con un vóxel “semilla” el cual es detectado mediante un operador de inteligencia artificial denominado máquinas de soporte vectorial de mínimos cuadrados (LSSVM). Finalmente, durante la etapa c), una métrica denominada coeficiente de Dice (Dc) es utilizada para comparar las segmentaciones obtenidas mediante la estrategia propuesta y la segmentación generada, manualmente, por un cardiólogo. La combinación de técnicas de filtrado que genera el Dc más elevado considerando el instante de diástole se aplica posteriormente a las 19 imágenes 3D restantes, obteniéndose un Dc promedio comparable con el reportado en la literatura especializada.In the following article, the use of the local similarity strategy in the three-dimensional (3D) segmentation of the pulmonary valve in 20 cardiac multilayer computed tomography images corresponding to the complete cardiac cycle of a subject is reported. The strategy consists of the following stages: a) pre-processing, b) segmentation and c) intonation of parameters. Step a) is applied, preliminary to the final diastole instant and is divided into two phases called: Filtering and Definition of a region of interest (ROI) and using the so-called local similarity (LSE) technique. The application of these phases is intended to address the problems of noise, artifacts and low contrast that these images have. Stage b) allows segmentation of the pulmonary valve, using a clustering algorithm called region growth (RG) which is applied to the pre-processed images. The RG is initialized with a “seed” voxel which is detected by an artificial intelligence operator called least squares vector support machines (LSSVM). Finally, during step c), a metric called Dice coefficient (Dc) is used to compare the segmentations obtained by the proposed strategy and the segmentation generated manually by a cardiologist. The combination of filtering techniques that generates the highest Dc considering the instant of diastole is subsequently applied to the remaining 19 3D images, obtaining an average Dc comparable to that reported in the specialized literature.spaCooperativa servicios y suministros 212518 RSRevista Latinoamericana de HipertensiónVol. 12, No.4 (2017)https://www.redalyc.org/articulo.oa?id=170253258002Válvula pulmonarProcesos de filtradoSegmentaciónRealce por similaridad localPulmonary valveFiltering processesSegmentationLocal similarity enhancementSegmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad localSegmentation of the pulmonary valve from cardiac tomography images using a strategy based on local similarity enhancementarticlehttp://purl.org/coar/resource_type/c_6501Latarjet M, Ruíz A. Anatomía Humana. Volumen 2. Buenos Aires, Argentina: Editorial Panamericana; 2008.López D, Luis J. Válvulas cardíacas: Funcionamiento y enfermedades. Libro de la salud cardiovascular. 2009; Capítulo, 21(6): 467-469.Barrett K, Brown S, Biotano S, Brooks H. Fisiología Médica. México: Mac- Graw Hill; 1986.Quintanilla MÁ. Tecnología: un enfoque filosófico y otros ensayos de filosofía de la tecnología. México: Fondo de Cultura Económica; 2016.Huérfano Y, Vera M, Del Mar A, Vera M, Contreras J, Chacón J, Wilches S, Graterol M, Torres M, Arias V, Rojas J, Siguencia W, Angarita L, Ortiz R, Rojas D, Garicano C, Riaño D, Chacín M, Bermúdez V, Bravo A. Modelo computacional de la válvula pulmonar en contextos hipertensivos. Revista Latinoamericana de Hipertensión.2016; Vol. 11(2): 7-11.Vera M. Segmentación de estructuras cardiacas en imágenes de tomografía computarizada multi-corte PhD dissertation.. Mérida-Venezuela: Universidad de los Andes; 2014.Passarielo G, Mora F. Imágenes Médicas, Adquisición, Análisis, Procesamiento e Interpretación. Venezuela: Equinoccio Universidad Simón Bolívar; 1995.Yagel S, Weissman A, Rotstein Z, Manor M, Hegesh J, Anteby E, et al. Congenital heart defects. Circulation. 1997; 96(2): 550-5.Shapiro G, Stockman G. Computer Vision. New Jersey, USA: Prentice Hall; 2001.Moses D, Sammut C, Zrimec T. Automatic segmentation and analysis of the main pulmonary artery on standard post-contrast CT studies using iterative erosion and dilation. International journal of computer assisted radiology and surgery.2016; 11(3):381-95.Adaptive Model Based Pulmonary Artery Segmentation in 3-D Chest CT. San Diego, California, United States; February 13, 2010: SPIE Medical Imaging. Society of Photo-Optical Instrumentation Engineers; 2010.Medical images edge detection based on mathematical morphology. Shanghai China; 2006, January. LIBRO DE PONENCIAS: Proceedings of the IEEE Engineering in Medicine and Biology 27th Annual Conference; 2005.Meijering H. Image en hancement in digital X ray angiography Tesis de Doctorado.. Netherlands: Utrecht University; 2000.LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bonga.unisimon.edu.co/bitstreams/03eecf39-bc48-496f-8344-eed31e4ada7c/download8a4605be74aa9ea9d79846c1fba20a33MD5220.500.12442/1833oai:bonga.unisimon.edu.co:20.500.12442/18332019-04-11 21:51:42.265metadata.onlyhttps://bonga.unisimon.edu.coDSpace UniSimonbibliotecas@biteca.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 |