• Inicio
  • Login
  • Comunidades & Colecciones
Ver ítem 
  •   Repositorio Universidad Simón Bolívar
  • Producción científica
  • Artículos
  • Ver ítem
  •   Repositorio Universidad Simón Bolívar
  • Producción científica
  • Artículos
  • Ver ítem
Repositorio de la Universidad Simón Bolívar.

Low grade glioma segmentation using an automatic computational technique in magnetic resonance imaging

Thumbnail
Ver/
PDF (756.2Kb)
Fecha
2018
Autor
Vera, Miguel
Huérfano, Yoleidy
Valbuena, Oscar
Contreras, Yudith
Cuberos, María
Vivas, Marisela
Salazar, Williams
Vera, María Isabel
Borrero, Maryury
Hernández, Carlos
Barrera, Doris
Molina, Ángel Valentín
Martínez, Luis Javier
Salazar, Juan
Gelvez, Elkin
Sáenz, Frank
Metadatos
Mostrar el registro completo del ítem

Resumen

Through this work we propose a computational technique for the segmentation of a brain tumor, identified as low grade glioma (LGG), specifically grade II astrocytoma, which is present in magnetic resonance images (MRI). This technique consists of 3 stages developed in the three-dimensional domain. They are: pre-processing, segmentation and postprocessing. The percent relative error (PrE) is considered to compare the segmentations of the LGG, generated by a neuro- oncologist manually, with the dilated segmentations of the LGG, obtained automatically. The combination of parameters linked to the lowest PrE, allow establishing the optimal parameters of each computational algorithm that makes up the proposed computational technique. The results allow reporting a PrE of 1.43%, which indicates an excellent correlation between the manual segmentations and those produced by the computational technique developed.
 
Por medio de este trabajo proponemos una técnica computacional para la segmentación de un tumor cerebral, identificado como glioma de bajo grado (LGG), específicamente astrocitoma de grado II, que está presente en imágenes de resonancia magnética (MRI). Esta técnica consiste en 3 etapas desarrolladas en el dominio tridimensional. Ellos son: pre procesamiento, segmentación y post procesamiento. El porcentaje de error relativo (PrE) se considera para comparar las segmentaciones de la LGG, generadas por un neurooncólogo de forma manual, con las segmentaciones dilatadas de la LGG, obtenidas automáticamente. La combinación de parámetros vinculados al PrE más bajo permite establecer los parámetros óptimos de cada algoritmo computacional que compone la técnica computacional propuesta. Los resultados permiten informar un PrE de 1.43%, lo que indica una excelente correlación entre las segmentaciones manuales y las producidas por la técnica computacional desarrollada.
 
Enlace para referencia:
http://hdl.handle.net/20.500.12442/2525
Enlace al recurso externo:
http://www.revistaavft.com/images/revistas/2018/avft_4_2018/7%20_low_grade_glioma_segmentation.pdf

Compartir:

Impacto

Colecciones
  • Artículos

Listar

Todo DSpaceComunidades & ColeccionesPor fecha de publicaciónAutoresTítulosMateriasProgramasSedesEsta colecciónPor fecha de publicaciónAutoresTítulosMateriasProgramasSedes

Mi cuenta

AccederRegistro

La Universidad

Bienvenida del Rector

Historia

Sala General

Direccionamiento Estrategico

Rendicion de Cuentas

Historia Gráfica

Vicerrectorías

Estatuto Corporativo

Proyecto Educativo Institucional

Reglamento Interno de Trabajo

Reglamento de Profesores

Reglamento Estudiantil

Política de privaciodad de datos personales

La Comunidad

Aspirantes

Estudiantes

Egresados

Profesores y Administrativos

Trabaje con Nosotros

Pagos en Línea

Enlaces de Interes

Lenguas Extranjeras

Teatro Jose Consuegra Higgins

Centro de Documentos

Servicios Externos

CESU

PQRS

Sede Barranquilla

SEDE PRINCIPAL

Carrera 59 No. 59-65

PBX +57 (5)344 4333

Fax +57 (5)368 2892

SEDE POSGRADOS

Carrera 54 No. 64-222

PBX +57 (5)344 3116

Fax +57 (5)349 3040

Programas Extendidos en Cúcuta

Av 3 No. 13-34 La Playa

PBX +57 (7)582 7070

Universidad Simón Bolívar: Todos los derechos reservados / Sistema de biblioteca