Examinando por Autor "Vargas, Sandra"
Mostrando 1 - 2 de 2
Resultados por página
Opciones de ordenación
Ítem Computational assessment of stomach tumor volume from multi-slice computerized tomography images in presence of type 2 cancer [version 2; referees: 1 approved, 1 not approved](F1000 Research Ltda., 2018-07) Chacón, Gerardo; Rodríguez, Johel E.; Bermúdez, Valmore; Vera, Miguel; Hernández, Juan Diego; Vargas, Sandra; Pardo, Aldo; Lameda, Carlos; Madriz, Delia; Bravo, Antonio J.Background: The multi–slice computerized tomography (MSCT) is a medical imaging modality that has been used to determine the size and location of the stomach cancer. Additionally, MSCT is considered the best modality for the staging of gastric cancer. One way to assess the type 2 cancer of stomach is by detecting the pathological structure with an image segmentation approach. The tumor segmentation of MSCT gastric cancer images enables the diagnosis of the disease condition, for a given patient, without using an invasive method as surgical intervention. Methods: This approach consists of three stages. The initial stage, an image enhancement, consists of a method for correcting non homogeneities present in the background of MSCT images. Then, a segmentation stage using a clustering method allows to obtain the adenocarcinoma morphology. In the third stage, the pathology region is reconstructed and then visualized with a three–dimensional (3–D) computer graphics procedure based on marching cubes algorithm. In order to validate the segmentations, the Dice score is used as a metric function useful for comparing the segmentations obtained using the proposed method with respect to ground truth volumes traced by a clinician. Results: A total of 8 datasets available for patients diagnosed, from the cancer data collection of the project, Cancer Genome Atlas Stomach Adenocarcinoma (TCGASTAD) is considered in this research. The volume of the type 2 stomach tumor is estimated from the 3–D shape computationally segmented from the each dataset. These 3–D shapes are computationally reconstructed and then used to assess the morphopathology macroscopic features of this cancer. Conclusions: The segmentations obtained are useful for assessing qualitatively and quantitatively the stomach type 2 cancer. In addition, this type of segmentation allows the development of computational models that allow the planning of virtual surgical processes related to type 2 cancer.Ítem Segmentación de hematomas epidurales, usando una técnica computacional no lineal en imágenes de tomografía computarizada cerebral(Sociedad Venezolana de Farmacología Clínica y Terapéutica, 2017) Vera, Miguel; Huérfano, Yoleidy; Contreras, Julio; Vera, Maria; Salazar, Williams; Vargas, Sandra; Chacón, Gerardo; Rodriguez, JhoelMediante este trabajo se propone una técnica computacional no lineal para segmentar un hematoma epidural (EDH), presente en imágenes de tomografía computarizada multicapa. Esta técnica consta de 4 etapas desarrolladas en el dominio tridimensional. Ellas son: pre-procesamiento, segmentación, pos-procesamiento y entonación de parámetros. La etapa de pre-procesamiento se divide en dos fases. En la primera, denominada definición de un volumen de interés (VOI), se emplea un algoritmo de umbralización por bandas el cual permite, fundamentalmente, acotar el EDH considerado. En la segunda fase, identificada como filtrado, se aplica un banco de algoritmos computacionales para disminuir el impacto de los artefactos y atenuar el ruido presente en las imágenes. Los algoritmos que conforman esta fase son: el filtro de erosión morfológica (MEF) y el filtro de mediana (MF). Por otra parte, durante la etapa de segmentación se implementa un algoritmo de agrupamiento, denominado crecimiento de regiones (RG), el cual es aplicado a las imágenes pre-procesadas. A fin de compensar el efecto del MEF el EDH, segmentado preliminarmente, es sometido a la etapa de pos-procesamiento la cual se basa en la aplicación de un filtro de dilatación morfológica de tipo binaria (MDF). Durante la entonación de parámetros, el coeficiente de Dice (Dc) es utilizado para comparar las segmentaciones dilatadas del EDH, obtenidas automáticamente, con la segmentación del EDH generada por un neurocirujano de manera manual. La combinación de parámetros que generan el Dc más elevado, permite establecer los parámetros óptimos de cada una de los algoritmos computacionales que conforman la técnica no lineal propuesta. Los resultados obtenidos permiten reportar un Dc superior a 0.90 lo cual indica una buena correlación entre las segmentaciones generadas por el experto neurocirujano y las producidas por la técnica computacional desarrollada.