Segmentação de imagens ecocardiográficas utilizando mapas de Kohonen

Authors
Piccoli, Luciano; Navaux, Philippe O. A.; Gasperin, Caroline
Publication Year
1998
Language
Portuguese
Format
conference paper
Status
Published version
Description
Este artigo apresena a utilização de mapas de Kohonen na segmentação de imagens médicas. As imagens utilizadas tratam-se de ecocaediogramas de fetos humanos. Este exames são de grande importaância, pois tratam de informar se um feto terá ou terá ou não problemas cardíacos durante sua evolução. O processo de segmentação auxilia no reconhecimiento das bordas do coração, possibilitando que problemas graves sejam tratados com grande antecedência, evitando-se possíveis situações perigrosas mais tarde. Para auxiliar na tarefa de diagnosticar problemas cardíacos, a segmentação da imagem ecocardigráfica representa método mais adequado, sendo capaz de delimitar as cavidades do coração. Entretanto, atualmente, os chamados métodos convencionais não conseguem realizar esta tarefa satisfatoriamente. Isto deve-se as características intrínsecas às imagens ecocardiogáficas, como a nitidez limitada. Como alternativa a esta situação, propõe-se a utilização dos maas de Kohonen [KOH89, KOH90]. Mapas de Kohonen são struturas organizadas, geralmente em forma matricial, que são capazes de realizar tarefas semelhantes às do cérebro humano. Assim como cérebro, onde existem regiões responsáveis pela fala, audição, entre outros, os mapas realizam o agrupamento de conhecimientos em regiões. Pode-se dizer que os mapas de Kohonen realizam uma redução dimensional do problema para duas dimensões, no caso de mapas didimensionais. Após treinamento do mapa através de apresentação de amotras de imagens ecocardiográficas, definem-se regiões distintas, cada qual capaz de reconhecer estruturas diferentes do coração. Apartir do mapa treinado, é necessária a definição das regiões nele surgidas. Para tanto, utiliza-se o método de clusterização de imagens proposto por Coleman e Andrews [COL79]. Este método define o melhor numero de clusters através da avaliação de um parâmetro de qualidade dos clusters (b). O critério utilizado é o produto entre as matrizes de disperção entre clusters e intra clusters. Os resultados obtidos apresentam-se bons em relação a qualidade e ao tempo de processamento, sendo que as imagens resultantes mostram as cavidades cardíacas bem delimitadas.
Computación Gráfica y Visualización
Red de Universidades con Carreras en Informática (RedUNCI)
Subject
Ciencias Informáticas
Informática
Access level
Open access
License
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
Repository
SEDICI (UNLP)
Institution
Universidad Nacional de La Plata
OAI Identifier
oai:sedici.unlp.edu.ar:10915/24010