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...

Full description

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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