Automatic segmentation of a cerebral glioblastoma using a smart computational technique
Cargando...
Fecha
2018
Autores
Vera, Miguel
Huérfano, Yoleidy
Valbuena, Oscar
Hoyos, Diego
Arias, Yeni
Contreras, Yudith
Salazar, Williams
Vera, María Isabel
Borrero, Maryury
Vivas, Marisela
Título de la revista
ISSN de la revista
Título del volumen
Editor
Sociedad Venezolana de Farmacología Clínica y Terapéutica
Resumen
We propose an intelligent computational technique for the
image segmentation of a type IV brain tumor, identified as
multiform glioblastoma (MGB), which is present in multi-layer
computed tomography images. This technique consists of
3 stages developed in the three-dimensional domain. They
are: pre-processing, segmentation and validation. During the
validation stage, the Dice coefficient (Dc) is considered in
order to compare the segmentations of the MGB, obtained
automatically, with the segmentations of the MGB generated
manually, by a neuro-oncologist. The combination of parameters
linked to the highest Dc, allows to establish the optimal
parameters of each of the computational algorithms that
make up the proposed nonlinear technique. The obtained results
allow to report a Dc higher than 0.88, validating a good
correlation between the manual segmentations and those
produced by the computational technique developed.
Proponemos una técnica computacional inteligente para la segmentación de imágenes de un tumor cerebral tipo IV, identificado como glioblastoma multiforme (MGB), que está presente en imágenes de tomografía computarizada de múltiples capas. Esta técnica consiste en 3 etapas desarrolladas en el dominio tridimensional. Ellos son: preprocesamiento, segmentación y validación. Durante la etapa de validación, se considera el coeficiente de dados (Dc) para comparar las segmentaciones del MGB, obtenidas automáticamente, con las segmentaciones del MGB generado manualmente, por un neurooncólogo. La combinación de parámetros vinculados a la mayor Dc permite establecer los parámetros óptimos de cada uno de los algoritmos computacionales que conforman la técnica no lineal propuesta. Los resultados obtenidos permiten informar una Dc superior a 0,88, validando una buena correlación entre las segmentaciones manuales y las producidas por la técnica computacional desarrollada.
Proponemos una técnica computacional inteligente para la segmentación de imágenes de un tumor cerebral tipo IV, identificado como glioblastoma multiforme (MGB), que está presente en imágenes de tomografía computarizada de múltiples capas. Esta técnica consiste en 3 etapas desarrolladas en el dominio tridimensional. Ellos son: preprocesamiento, segmentación y validación. Durante la etapa de validación, se considera el coeficiente de dados (Dc) para comparar las segmentaciones del MGB, obtenidas automáticamente, con las segmentaciones del MGB generado manualmente, por un neurooncólogo. La combinación de parámetros vinculados a la mayor Dc permite establecer los parámetros óptimos de cada uno de los algoritmos computacionales que conforman la técnica no lineal propuesta. Los resultados obtenidos permiten informar una Dc superior a 0,88, validando una buena correlación entre las segmentaciones manuales y las producidas por la técnica computacional desarrollada.
Descripción
Palabras clave
Brain Tomography, Cerebral Tumor, Glioblastoma, Intelligent Computational Technique, Segmentation, Tomografía cerebral, Tumor cerebral, Glioblastoma, Técnica computacional inteligente, Segmentación