Low grade glioma segmentation using an automatic computational technique in magnetic resonance imaging
Cargando...
Fecha
2018
Autores
Vera, Miguel
Huérfano, Yoleidy
Valbuena, Oscar
Contreras, Yudith
Cuberos, María
Vivas, Marisela
Salazar, Williams
Vera, María Isabel
Borrero, Maryury
Hernández, Carlos
Título de la revista
ISSN de la revista
Título del volumen
Editor
Sociedad Venezolana de Farmacología Clínica y Terapéutica
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.
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.
Descripción
Palabras clave
Magnetic resonance brain imaging, Cerebral tumor, Low grade glioma, Grade II astrocytoma, Computational technique, Segmentation, Imágenes cerebrales por resonancia magnética, Tumor cerebral, Gliomas de bajo grado, Astrocitoma de grado II, Técnica computacional, Segmentación