Segmentación de imágenes médicas mediante inferencia bayesiana
Las imágenes médicas son una herramienta de suma utilidad diagnóstica en medicina, proporcionando información anatómica o funcional de forma mínimamente invasiva. Posteriormente al proceso de adquisición, las imágenes digitales pueden ser procesadas de diversas maneras para destacar o extraer inform...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2023
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/1188/1/1C%C3%A1rdenas_Szigety.pdf |
| Aporte de: |
| Sumario: | Las imágenes médicas son una herramienta de suma utilidad diagnóstica en medicina, proporcionando información anatómica o funcional de forma mínimamente invasiva. Posteriormente al proceso de adquisición, las imágenes digitales pueden ser procesadas de diversas maneras para destacar o extraer información subyacente de utilidad para el diagnóstico. Una de las técnicas de procesamiento más relevantes es la segmentación, que consiste en particionar a la imagen en regiones relevantes, en particular para delinear automáticamente estructuras como órganos o tejidos. Los métodos de segmentación existentes son diversos en cuanto a su forma de representar las características relevantes de imagen para segmentar, el grado de interacción manual y la cantidad de datos necesarios para obtener un método de desempeño satisfactorio. En particular, los métodos basados en modelos probabilísticos tienen las virtudes de requerir pocos datos, tener pocos hiperparámetros ajustables, costo computacional moderado y que potencialmente pueden ser completamente automatizables.
En esta tesis se desarrolló un modelo de segmentación basado en inferencia bayesiana que incorpora información a priori de estructuras a segmentar mediante priors de forma. El enfoque está basado en trabajos previos de segmentación bayesiana de tejidos y la adaptación de la idea de prior de forma de level-sets al contexto de inferencia bayesiana. En particular se estudió la aplicación de este método al problema de segmentación cardíaca de miocardio del ventrículo izquierdo en imágenes cardíacas de resonancia magnética nuclear de cine, en donde el prior de forma incorpora la información a priori de la geometría del tejido del miocardio en las imágenes. El método fue validado en la base de datos del Cardiac Motion Analysis Challenge 2011 contrastando los resultados obtenidos contra anotaciones manuales realizadas por expertos. El desempeño alcanzado por el método propuesto es compatible con otros métodos de segmentación aplicados al problema de segmentación cardíaca, con valores obtenidos de coeficiente de Dice de 0,8 ± 0,1, 0,94 ± 0,04 y 0,90 ± 0,09 para segmentación de miocardio, endocardio y epicardio respectivamente, con la ventaja principal que no es necesaria una gran cantidad de datos para su funcionamiento y requiere mínima interacción.
Finalmente se estudió la aplicación del método de segmentación al cálculo del esfuerzo miocárdico, dentro del marco del desarrollo de una extensión para el software de procesamiento y visualización de imágenes médicas 3DSlicer. Se comprobó en que el método de segmentación propuesto como pre-procesamiento al cálculo de esfuerzo alcanza resultados cualitativos compatibles a otros métodos establecidos y además se contribuyó al desarrollo y validación de la extensión CardIAc del software 3DSlicer para calculó y visualización de esfuerzo miocárdico. |
|---|