Automatic segmentation of epidural hematomas using a computational technique based on intelligent operators: a clinical utility
Resumen
This paper proposes a non-linear computational technique
for the segmentation of epidural hematomas (EDH), present
in 7 multilayer computed tomography brain imaging databases.
This technique consists of 3 stages developed in the
three-dimensional domain, namely: pre-processing, segmentation
and quantification of the volume occupied by each of
the segmented EDHs. To make value judgments about the
performance of the proposed technique, the EDH dilated segmentations,
obtained automatically, and the EDH segmentations,
generated manually by a neurosurgeon, are compared
using the Dice coefficient (Dc). The combination of parameters
linked to the highest Dc value, defines the optimal parameters
of each of the computational algorithms that make
up the proposed nonlinear technique. The obtained results
allow the reporting of a Dc superior to 0.90 which indicates
a good correlation between the manual segmentations and
those produced by the computational technique developed.
Finally, as an immediate clinical application, considering the automatic
segmentations, the volume of each hematoma is calculated
considering both the voxel size of each database and the
number of voxels that make up the segmented hematomas. Este artículo propone una técnica computacional no lineal
para la segmentación de los hematomas epidurales (EDH),
presente en 7 bases de datos de imágenes cerebrales de
tomografía multicapa. Esta técnica consta de 3 etapas desarrolladas
en el dominio tridimensional, a saber: preprocesamiento,
segmentación y cuantificación del volumen ocupado
por cada uno de los EDH segmentados. Para hacer juicios de
valor sobre el rendimiento de la técnica propuesta, las segmentaciones
dilatadas de EDH, obtenidas automáticamente,
y las segmentaciones de EDH, generadas manualmente por
un neurocirujano, se comparan utilizando el coeficiente de
Dice (Dc). La combinación de parámetros vinculados al valor
más alto de Dc define los parámetros óptimos de cada uno
de los algoritmos computacionales que conforman la técnica
no lineal propuesta. Los resultados obtenidos permiten el reporte
de un Dc superior a 0.90 que indica una buena correlación
entre las segmentaciones manuales y las producidas
por la técnica computacional desarrollada. Finalmente, como
aplicación clínica inmediata, considerando las segmentaciones
automáticas, el volumen de cada hematoma se calcula
considerando tanto el tamaño del vóxel de cada base de datos
como el número de vóxeles que conforman los hematomas
segmentados.