Automatic segmentation of epidural hematomas using a computational technique based on intelligent operators: a clinical utility
Cargando...
Archivos
Fecha
2018
Autores
Salazar, Juan
Vera, Miguel
Huérfano, Yoleidy
Valbuena, Oscar
Salazar, Williams
Vera, María Isabel
Gelvez, Elkin
Contreras, Yudith
Borrero, Maryury
Vivas, Marisela
Título de la revista
ISSN de la revista
Título del volumen
Editor
Sociedad Venezolana de Farmacología Clínica y Terapéutica
Resumen
This paper proposes a non-linear computational technique
for the segmentation of epidural hematomas (EDH), present
in 7 multilayer computed tomography brain imaging databases.
This technique consists of 3 stages developed in the
three-dimensional domain, namely: pre-processing, segmentation
and quantification of the volume occupied by each of
the segmented EDHs. To make value judgments about the
performance of the proposed technique, the EDH dilated segmentations,
obtained automatically, and the EDH segmentations,
generated manually by a neurosurgeon, are compared
using the Dice coefficient (Dc). The combination of parameters
linked to the highest Dc value, defines the optimal parameters
of each of the computational algorithms that make
up the proposed nonlinear technique. The obtained results
allow the reporting of a Dc superior to 0.90 which indicates
a good correlation between the manual segmentations and
those produced by the computational technique developed.
Finally, as an immediate clinical application, considering the automatic
segmentations, the volume of each hematoma is calculated
considering both the voxel size of each database and the
number of voxels that make up the segmented hematomas.
Este artículo propone una técnica computacional no lineal para la segmentación de los hematomas epidurales (EDH), presente en 7 bases de datos de imágenes cerebrales de tomografía multicapa. Esta técnica consta de 3 etapas desarrolladas en el dominio tridimensional, a saber: preprocesamiento, segmentación y cuantificación del volumen ocupado por cada uno de los EDH segmentados. Para hacer juicios de valor sobre el rendimiento de la técnica propuesta, las segmentaciones dilatadas de EDH, obtenidas automáticamente, y las segmentaciones de EDH, generadas manualmente por un neurocirujano, se comparan utilizando el coeficiente de Dice (Dc). La combinación de parámetros vinculados al valor más alto de Dc define los parámetros óptimos de cada uno de los algoritmos computacionales que conforman la técnica no lineal propuesta. Los resultados obtenidos permiten el reporte de un Dc superior a 0.90 que indica una buena correlación entre las segmentaciones manuales y las producidas por la técnica computacional desarrollada. Finalmente, como aplicación clínica inmediata, considerando las segmentaciones automáticas, el volumen de cada hematoma se calcula considerando tanto el tamaño del vóxel de cada base de datos como el número de vóxeles que conforman los hematomas segmentados.
Este artículo propone una técnica computacional no lineal para la segmentación de los hematomas epidurales (EDH), presente en 7 bases de datos de imágenes cerebrales de tomografía multicapa. Esta técnica consta de 3 etapas desarrolladas en el dominio tridimensional, a saber: preprocesamiento, segmentación y cuantificación del volumen ocupado por cada uno de los EDH segmentados. Para hacer juicios de valor sobre el rendimiento de la técnica propuesta, las segmentaciones dilatadas de EDH, obtenidas automáticamente, y las segmentaciones de EDH, generadas manualmente por un neurocirujano, se comparan utilizando el coeficiente de Dice (Dc). La combinación de parámetros vinculados al valor más alto de Dc define los parámetros óptimos de cada uno de los algoritmos computacionales que conforman la técnica no lineal propuesta. Los resultados obtenidos permiten el reporte de un Dc superior a 0.90 que indica una buena correlación entre las segmentaciones manuales y las producidas por la técnica computacional desarrollada. Finalmente, como aplicación clínica inmediata, considerando las segmentaciones automáticas, el volumen de cada hematoma se calcula considerando tanto el tamaño del vóxel de cada base de datos como el número de vóxeles que conforman los hematomas segmentados.
Descripción
Palabras clave
Brain Tomography, Epidural Hematomas, Nonlinear Computational Technique, Smart Operators, Segmentation, Tomografía cerebral, Hematomas epidurales, Técnica computacional no lineal, Operadores inteligentes, Segmentación