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