Automatic segmentation of a meningioma using a computational technique in magnetic resonance imaging

Abstract

Through this work we propose a computational technique for the segmentation of a brain tumor, identified as meningioma (MGT), which is present in magnetic resonance images (MRI). This technique consists of 3 stages developed in the three-dimensional domain: pre-processing, segmentation and post-processing. The percent relative error (PrE) is considered to compare the segmentations of the MGT, generated by a neuro-oncologist manually, with the dilated segmentations of the MGT, obtained automatically. The combination of parameters linked to the lowest PrE, provides the optimal parameters of each computational algorithm that makes up the proposed computational technique. Results allow reporting a PrE of 1.44%, showing an excellent correlation between the manual segmentations and those produced by the computational technique developed.

Este trabajo propone una técnica computacional para la segmentación de un tumor cerebral, identificado como meningioma (MGT), que está presente en imágenes de resonancia magnética (MRI). Esta técnica consta de 3 etapas desarrolladas en el dominio tridimensional: preprocesamiento, segmentación y postprocesamiento. El porcentaje de error relativo (PrE) se considera para comparar las segmentaciones de la MGT, generadas por un neurooncólogo de forma manual, con las segmentaciones dilatadas de la MGT, obtenidas automáticamente. La combinación de parámetros vinculados al PrE más bajo proporciona los parámetros óptimos de cada algoritmo computacional que conforma la técnica de cálculo propuesta. Los resultados permiten informar un PrE de 1.44%, mostrando una excelente correlación entre las segmentaciones manuales y las producidas por la técnica computacional desarrollada.