COMUNICACIÓN ORAL | 20 noviembre 2013, miércoles | Hora: 08:00
AUTORES
López Rodríguez, Domingo 1; García Linares, Antonio 2; Gil Lozano, Juan Enrique 1
CENTROS
1. Servicio: Neuroimagen. Brain Dynamics; 2. Servicio: Dirección. Brain Dynamics
OBJETIVOS
En este trabajo se presenta un método no supervisado de segmentación de tejidos en imágenes de RM ponderadas T1 que se basa en aproximaciones difusas de las intensidades de gris de la imagen. Este método no pretende segmentar una imagen desde cero, sino que es un rápido post-proceso a cualquier método de segmentación propiamente dicho.
MATERIAL Y MÉTODOS
El método consiste en modelar el histograma, la distribución de las intensidades de gris en las imágenes de RM tanto a nivel global de la imagen como a nivel local (para así evitar errores debidos al gradiente de campo en la adquisición). Se definen unas funciones de pertenencia difusas que asignan valores entre 0 y 1 a cada vóxel para cada una de las 3 clases predefinidas (sustancia blanca, sustancia gris y líquido cefalorraquídeo). Tomando el máximo de esos valores, se obtiene una segmentación “dura”.
RESULTADOS
Se ha comparado este método con el resultado de FAST (paquete FSL) y con la segmentación del paquete SPM, usando imágenes reales del repositorio IBSR y modelos sintéticos de BrainWeb. Se ha medido el error relativo en cada segmentación, obteniendo una mejora de entre el 8 y el 12% de nuestro algoritmo con respecto a FAST y a SPM.
CONCLUSIONES
Se ha desarrollado un método que, sin necesidad de ajustar parámetros, mejora de forma significativa la calidad de las segmentaciones producidas por otras herramientas. Otra de sus ventajas es su rapidez de ejecución, lo cual la hace bastante atractiva para su uso en la práctica.
