Logotipo del repositorio
Logotipo del repositorio
 

Segmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad local

Vista sencilla de ítem
dc.contributor.authorVera, Miguel
dc.contributor.authorHuérfano, Yoleidy
dc.contributor.authorContreras-Velásquez, Julio
dc.contributor.authorBermúdez, Valmore
dc.contributor.authorDel Mar, Atilio
dc.contributor.authorCuberos, María
dc.contributor.authorVivas, Marisela
dc.contributor.authorBautista, Nahid
dc.contributor.authorSaenz, Frank
dc.contributor.authorRodriguez, Jhoel
dc.date.accessioned2018-03-09T16:02:58Z
dc.date.available2018-03-09T16:02:58Z
dc.date.issued2017
dc.description.abstractEn el siguiente artículo se da a conocer el uso de la estrategia similaridad local, en la segmentación tridimensional (3D) de la válvula pulmonar en 20 imágenes cardiacas de tomografía computarizada multicapa, correspondientes al ciclo cardiaco completo de un sujeto. La estrategia consta de las siguientes etapas: a) pre-procesamiento, b) segmentación y c) entonación de parámetros. La etapa a) se aplica, preliminarmente al instante de diástole final y se divide en dos fases denominadas: Filtrado y Definición de una región de interés (ROI) y se emplea la técnica denominada realce por similaridad local (LSE). La aplicación de estas fases tiene por finalidad abordar los problemas de ruido, artefactos y bajo contraste que poseen las mencionadas imágenes. La etapa b) permite la segmentación de la válvula pulmonar, mediante un algoritmo de agrupamiento denominado crecimiento de regiones (RG) el cual es aplicado a las imágenes pre-procesadas. El RG es inicializado con un vóxel “semilla” el cual es detectado mediante un operador de inteligencia artificial denominado máquinas de soporte vectorial de mínimos cuadrados (LSSVM). Finalmente, durante la etapa c), una métrica denominada coeficiente de Dice (Dc) es utilizada para comparar las segmentaciones obtenidas mediante la estrategia propuesta y la segmentación generada, manualmente, por un cardiólogo. La combinación de técnicas de filtrado que genera el Dc más elevado considerando el instante de diástole se aplica posteriormente a las 19 imágenes 3D restantes, obteniéndose un Dc promedio comparable con el reportado en la literatura especializada.spa
dc.description.abstractIn the following article, the use of the local similarity strategy in the three-dimensional (3D) segmentation of the pulmonary valve in 20 cardiac multilayer computed tomography images corresponding to the complete cardiac cycle of a subject is reported. The strategy consists of the following stages: a) pre-processing, b) segmentation and c) intonation of parameters. Step a) is applied, preliminary to the final diastole instant and is divided into two phases called: Filtering and Definition of a region of interest (ROI) and using the so-called local similarity (LSE) technique. The application of these phases is intended to address the problems of noise, artifacts and low contrast that these images have. Stage b) allows segmentation of the pulmonary valve, using a clustering algorithm called region growth (RG) which is applied to the pre-processed images. The RG is initialized with a “seed” voxel which is detected by an artificial intelligence operator called least squares vector support machines (LSSVM). Finally, during step c), a metric called Dice coefficient (Dc) is used to compare the segmentations obtained by the proposed strategy and the segmentation generated manually by a cardiologist. The combination of filtering techniques that generates the highest Dc considering the instant of diastole is subsequently applied to the remaining 19 3D images, obtaining an average Dc comparable to that reported in the specialized literature.eng
dc.identifier.issn18564550
dc.identifier.urihttp://hdl.handle.net/20.500.12442/1833
dc.language.isospaspa
dc.publisherCooperativa servicios y suministros 212518 RSspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.licenseLicencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacionalspa
dc.sourceRevista Latinoamericana de Hipertensiónspa
dc.sourceVol. 12, No.4 (2017)spa
dc.source.urihttps://www.redalyc.org/articulo.oa?id=170253258002
dc.subjectVálvula pulmonarspa
dc.subjectProcesos de filtradospa
dc.subjectSegmentaciónspa
dc.subjectRealce por similaridad localspa
dc.subjectPulmonary valveeng
dc.subjectFiltering processeseng
dc.subjectSegmentationeng
dc.subjectLocal similarity enhancementeng
dc.titleSegmentación de la válvula pulmonar a partir de imágenes de tomografía cardiaca usando una estrategia basada en realce por similaridad localspa
dc.title.alternativeSegmentation of the pulmonary valve from cardiac tomography images using a strategy based on local similarity enhancementeng
dc.typearticlespa
dcterms.referencesLatarjet M, Ruíz A. Anatomía Humana. Volumen 2. Buenos Aires, Argentina: Editorial Panamericana; 2008.spa
dcterms.referencesLópez D, Luis J. Válvulas cardíacas: Funcionamiento y enfermedades. Libro de la salud cardiovascular. 2009; Capítulo, 21(6): 467-469.spa
dcterms.referencesYagel S, Weissman A, Rotstein Z, Manor M, Hegesh J, Anteby E, et al. Congenital heart defects. Circulation. 1997; 96(2): 550-5.eng
dcterms.referencesBarrett K, Brown S, Biotano S, Brooks H. Fisiología Médica. México: Mac- Graw Hill; 1986.spa
dcterms.referencesQuintanilla MÁ. Tecnología: un enfoque filosófico y otros ensayos de filosofía de la tecnología. México: Fondo de Cultura Económica; 2016.spa
dcterms.referencesShapiro G, Stockman G. Computer Vision. New Jersey, USA: Prentice Hall; 2001.eng
dcterms.referencesMoses D, Sammut C, Zrimec T. Automatic segmentation and analysis of the main pulmonary artery on standard post-contrast CT studies using iterative erosion and dilation. International journal of computer assisted radiology and surgery.2016; 11(3):381-95.eng
dcterms.referencesHuérfano Y, Vera M, Del Mar A, Vera M, Contreras J, Chacón J, Wilches S, Graterol M, Torres M, Arias V, Rojas J, Siguencia W, Angarita L, Ortiz R, Rojas D, Garicano C, Riaño D, Chacín M, Bermúdez V, Bravo A. Modelo computacional de la válvula pulmonar en contextos hipertensivos. Revista Latinoamericana de Hipertensión.2016; Vol. 11(2): 7-11.spa
dcterms.referencesAdaptive Model Based Pulmonary Artery Segmentation in 3-D Chest CT. San Diego, California, United States; February 13, 2010: SPIE Medical Imaging. Society of Photo-Optical Instrumentation Engineers; 2010.eng
dcterms.referencesVera M. Segmentación de estructuras cardiacas en imágenes de tomografía computarizada multi-corte PhD dissertation.. Mérida-Venezuela: Universidad de los Andes; 2014.spa
dcterms.referencesPassarielo G, Mora F. Imágenes Médicas, Adquisición, Análisis, Procesamiento e Interpretación. Venezuela: Equinoccio Universidad Simón Bolívar; 1995.spa
dcterms.referencesMedical images edge detection based on mathematical morphology. Shanghai China; 2006, January. LIBRO DE PONENCIAS: Proceedings of the IEEE Engineering in Medicine and Biology 27th Annual Conference; 2005.eng
dcterms.referencesMeijering H. Image en hancement in digital X ray angiography Tesis de Doctorado.. Netherlands: Utrecht University; 2000.eng

Archivos

Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Artículos

Universidad Simón Bolívar: Todos los derechos reservados / Sistema de biblioteca