building BALSEIRO
institution Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (CNEA)
id BALSEIRO--oai:ricabib.cab.cnea.gov.ar:157
author Isoardi, Roberto Andrés
spellingShingle Isoardi, Roberto Andrés
FÍSICA-MODELOS MATEMÁTICOS
OPTIMIZACIÓN MATEMÁTICA
DIAGNÓSTICO POR IMAGEN Y MEDICINA NUCLEAR
NEUROCIENCIAS
IMAGE PROCESSING
TRATAMIENTO DE IMÁGENES
TOMOGRAPHY
TOMOGRAFÍA
Optimización de Análisis y Registración de Imágenes Tomográficas
Tanto el diagnóstico como la terapia asistida por computadora hacen uso de varios algoritmos de procesamiento y visualización de imágenes médicas. Entre los procesos más conocidos se encuentra la clasificación automática de tejidos, también conocida generalmente como segmentación, y la correlación espacio-temporal de imágenes, proceso difundido bajo el nombre de registración. Este trabajo presenta métodos no supervisados basados en modelos físico-matemáticos, a la vez que ofrece un estudio de optimización de dichos procesos aplicados a imágenes tomográficas. Para la clasificación de tejidos cerebrales de Resonancia Magnética, se propone un enfoque bayesiano basado en el Criterio de Máxima Evidencia, el cual permite segmentar el cerebro humano en sus tres componentes principales (materia gris, materia blanca y líquido cefalorraquídeo). Una aproximación de “campo medio” de la Evidencia permite implementarlo con un bajo costo computacional. Se estudiaron dos modelos en 2D y en 3D, uno en el cual cada voxel puede contener una sola clase de tejido (Modelo Discreto) y otro más realista, en el cual cada voxel puede contener hasta dos clases diferentes (Modelo de Volumen Parcial). Éste último resulta más probable y con menor error de acuerdo al criterio aplicado, siendo objeto de análisis un fantoma digital y un caso clínico.Con respecto a la registración de volúmenes tomográficos, se propone un método que aplica un modelo flexible para dar cuenta de las deformaciones que sufre el cuerpo humano en las regiones de tórax y abdomen. El algoritmo maximiza la Información Mutua como medida de similaridad, y la transformación espacial se construye con funciones base de Fourier a distintos órdenes, en un esquema jerárquico de subdivisiones de los volúmenes a registrar. La optimización de este proceso consiste en hallar el orden de la transformación y número de subvolúmenes que maximicen la métrica elegida y minimicen el error. Tres técnicas tomográficas se seleccionan y estudian aquí para registración intra-modal: Tomografía Computada, Resonancia Magnética y PET. Para dicha optimización, el método se aplica en volúmenes artificialmente deformados –simulando expansión respiratoria-, y en casos clínicos intra-sujeto.
http://ricabib.cab.cnea.gov.ar/157/
topic FÍSICA-MODELOS MATEMÁTICOS
OPTIMIZACIÓN MATEMÁTICA
DIAGNÓSTICO POR IMAGEN Y MEDICINA NUCLEAR
NEUROCIENCIAS
IMAGE PROCESSING
TRATAMIENTO DE IMÁGENES
TOMOGRAPHY
TOMOGRAFÍA
topic_facet FÍSICA-MODELOS MATEMÁTICOS
OPTIMIZACIÓN MATEMÁTICA
DIAGNÓSTICO POR IMAGEN Y MEDICINA NUCLEAR
NEUROCIENCIAS
IMAGE PROCESSING
TRATAMIENTO DE IMÁGENES
TOMOGRAPHY
TOMOGRAFÍA
title Optimización de Análisis y Registración de Imágenes Tomográficas
title_full Optimización de Análisis y Registración de Imágenes Tomográficas
title_fullStr Optimización de Análisis y Registración de Imágenes Tomográficas
title_full_unstemmed Optimización de Análisis y Registración de Imágenes Tomográficas
title_short Optimización de Análisis y Registración de Imágenes Tomográficas
contents Tanto el diagnóstico como la terapia asistida por computadora hacen uso de varios algoritmos de procesamiento y visualización de imágenes médicas. Entre los procesos más conocidos se encuentra la clasificación automática de tejidos, también conocida generalmente como segmentación, y la correlación espacio-temporal de imágenes, proceso difundido bajo el nombre de registración. Este trabajo presenta métodos no supervisados basados en modelos físico-matemáticos, a la vez que ofrece un estudio de optimización de dichos procesos aplicados a imágenes tomográficas. Para la clasificación de tejidos cerebrales de Resonancia Magnética, se propone un enfoque bayesiano basado en el Criterio de Máxima Evidencia, el cual permite segmentar el cerebro humano en sus tres componentes principales (materia gris, materia blanca y líquido cefalorraquídeo). Una aproximación de “campo medio” de la Evidencia permite implementarlo con un bajo costo computacional. Se estudiaron dos modelos en 2D y en 3D, uno en el cual cada voxel puede contener una sola clase de tejido (Modelo Discreto) y otro más realista, en el cual cada voxel puede contener hasta dos clases diferentes (Modelo de Volumen Parcial). Éste último resulta más probable y con menor error de acuerdo al criterio aplicado, siendo objeto de análisis un fantoma digital y un caso clínico.Con respecto a la registración de volúmenes tomográficos, se propone un método que aplica un modelo flexible para dar cuenta de las deformaciones que sufre el cuerpo humano en las regiones de tórax y abdomen. El algoritmo maximiza la Información Mutua como medida de similaridad, y la transformación espacial se construye con funciones base de Fourier a distintos órdenes, en un esquema jerárquico de subdivisiones de los volúmenes a registrar. La optimización de este proceso consiste en hallar el orden de la transformación y número de subvolúmenes que maximicen la métrica elegida y minimicen el error. Tres técnicas tomográficas se seleccionan y estudian aquí para registración intra-modal: Tomografía Computada, Resonancia Magnética y PET. Para dicha optimización, el método se aplica en volúmenes artificialmente deformados –simulando expansión respiratoria-, y en casos clínicos intra-sujeto.
series http://ricabib.cab.cnea.gov.ar/157/
url http://ricabib.cab.cnea.gov.ar/157/1/1Isoardi.pdf
format Tesis
genre Tesis
genre_facet Tesis
era 2010
era_facet 2010
publishDate 2010-04
_version_ 1628033375882182656
score 12,778691