Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume

Autores
Porchetto, Roque; Stramana, Franco
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Massa, Jose M
Ferrante, Enzo
Descripción
La registración de imágenes es uno de los problemas clásicos dentro del campo de la visión computacional y el procesamiento de imágenes medicas, que permite establecer relaciones de correspondencia entre imágenes que no resultan obvias para el ojo humano. Dichas imágenes pueden haber sido capturadas en distintos instantes de tiempo, utilizando diferentes sensores o desde diversos puntos de vista. Un tipo particular de algoritmo de registración, conocido como registración sliceto- volume (corte a volumen o STV por sus siglas en ingles), ha despertado el interés de la comunidad científica durante los últimos años dado que puede ser aplicado en problemas sumamente relevantes como la fusión de imágenes para cirugías guiadas por imagen y la corrección de movimiento en reconstrucción de volúmenes. La registración STV (donde una imagen de corte 2D es registrada con un volumen 3D) suele ser formulada como un problema de optimización y resuelta utilizando métodos continuos estándar. En este trabajo final de carrera, se discute una formulación alternativa donde la tarea es formulada como un problema de etiquetado discreto sobre grafos. Inspirado en trabajos previos sobre estimación discreta de transformaciones lineales usando Markov Random Fields (MRF), se modela la problemática utilizando un MRF de a pares, donde los nodos están asociados a los parámetros de la transformación rígida, y las aristas representan la relación entre las variables. Se compara el rendimiento del método propuesto con una formulación continua optimizada por medio del algoritmo Nelder-Mead Simplex, y se discute como esta puede ser utilizada para mejorar la precisión del enfoque propuesto. El método es validado utilizando un dataset monomodal compuesto por imágenes de resonancia magnética (MRI) de un corazón latiendo. Los resultados obtenidos se muestran prometedores, demostrando el potencial del método propuesto.
Fil: Porchetto, Roque. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Stramana, Franco. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Massa, José M. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Ferrante, Enzo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Ingeniería de sistemas
Medicina
Procesamiento de imágenes
Imágenes médicas
STV
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/1444
Acceder
id RIDUNICEN_f28b00e7c8f19ffed59a23f9f62e1295
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/1444
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volumePorchetto, RoqueStramana, FrancoIngeniería de sistemasMedicinaProcesamiento de imágenesImágenes médicasSTVLa registración de imágenes es uno de los problemas clásicos dentro del campo de la visión computacional y el procesamiento de imágenes medicas, que permite establecer relaciones de correspondencia entre imágenes que no resultan obvias para el ojo humano. Dichas imágenes pueden haber sido capturadas en distintos instantes de tiempo, utilizando diferentes sensores o desde diversos puntos de vista. Un tipo particular de algoritmo de registración, conocido como registración sliceto- volume (corte a volumen o STV por sus siglas en ingles), ha despertado el interés de la comunidad científica durante los últimos años dado que puede ser aplicado en problemas sumamente relevantes como la fusión de imágenes para cirugías guiadas por imagen y la corrección de movimiento en reconstrucción de volúmenes. La registración STV (donde una imagen de corte 2D es registrada con un volumen 3D) suele ser formulada como un problema de optimización y resuelta utilizando métodos continuos estándar. En este trabajo final de carrera, se discute una formulación alternativa donde la tarea es formulada como un problema de etiquetado discreto sobre grafos. Inspirado en trabajos previos sobre estimación discreta de transformaciones lineales usando Markov Random Fields (MRF), se modela la problemática utilizando un MRF de a pares, donde los nodos están asociados a los parámetros de la transformación rígida, y las aristas representan la relación entre las variables. Se compara el rendimiento del método propuesto con una formulación continua optimizada por medio del algoritmo Nelder-Mead Simplex, y se discute como esta puede ser utilizada para mejorar la precisión del enfoque propuesto. El método es validado utilizando un dataset monomodal compuesto por imágenes de resonancia magnética (MRI) de un corazón latiendo. Los resultados obtenidos se muestran prometedores, demostrando el potencial del método propuesto.Fil: Porchetto, Roque. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Stramana, Franco. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Massa, José M. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Ferrante, Enzo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasMassa, Jose MFerrante, Enzo2016-092017-10-24T16:47:04Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttp://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1444https://www.ridaa.unicen.edu.ar/handle/123456789/1444spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-11T10:19:17Zoai:ridaa.unicen.edu.ar:123456789/1444instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-11 10:19:17.818RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
title Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
spellingShingle Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
Porchetto, Roque
Ingeniería de sistemas
Medicina
Procesamiento de imágenes
Imágenes médicas
STV
title_short Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
title_full Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
title_fullStr Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
title_full_unstemmed Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
title_sort Métodos discretos para la registración de imágenes médicas : un algoritmo para el caso slice-to-volume
dc.creator.none.fl_str_mv Porchetto, Roque
Stramana, Franco
author Porchetto, Roque
author_facet Porchetto, Roque
Stramana, Franco
author_role author
author2 Stramana, Franco
author2_role author
dc.contributor.none.fl_str_mv Massa, Jose M
Ferrante, Enzo
dc.subject.none.fl_str_mv Ingeniería de sistemas
Medicina
Procesamiento de imágenes
Imágenes médicas
STV
topic Ingeniería de sistemas
Medicina
Procesamiento de imágenes
Imágenes médicas
STV
dc.description.none.fl_txt_mv La registración de imágenes es uno de los problemas clásicos dentro del campo de la visión computacional y el procesamiento de imágenes medicas, que permite establecer relaciones de correspondencia entre imágenes que no resultan obvias para el ojo humano. Dichas imágenes pueden haber sido capturadas en distintos instantes de tiempo, utilizando diferentes sensores o desde diversos puntos de vista. Un tipo particular de algoritmo de registración, conocido como registración sliceto- volume (corte a volumen o STV por sus siglas en ingles), ha despertado el interés de la comunidad científica durante los últimos años dado que puede ser aplicado en problemas sumamente relevantes como la fusión de imágenes para cirugías guiadas por imagen y la corrección de movimiento en reconstrucción de volúmenes. La registración STV (donde una imagen de corte 2D es registrada con un volumen 3D) suele ser formulada como un problema de optimización y resuelta utilizando métodos continuos estándar. En este trabajo final de carrera, se discute una formulación alternativa donde la tarea es formulada como un problema de etiquetado discreto sobre grafos. Inspirado en trabajos previos sobre estimación discreta de transformaciones lineales usando Markov Random Fields (MRF), se modela la problemática utilizando un MRF de a pares, donde los nodos están asociados a los parámetros de la transformación rígida, y las aristas representan la relación entre las variables. Se compara el rendimiento del método propuesto con una formulación continua optimizada por medio del algoritmo Nelder-Mead Simplex, y se discute como esta puede ser utilizada para mejorar la precisión del enfoque propuesto. El método es validado utilizando un dataset monomodal compuesto por imágenes de resonancia magnética (MRI) de un corazón latiendo. Los resultados obtenidos se muestran prometedores, demostrando el potencial del método propuesto.
Fil: Porchetto, Roque. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Stramana, Franco. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Massa, José M. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Ferrante, Enzo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description La registración de imágenes es uno de los problemas clásicos dentro del campo de la visión computacional y el procesamiento de imágenes medicas, que permite establecer relaciones de correspondencia entre imágenes que no resultan obvias para el ojo humano. Dichas imágenes pueden haber sido capturadas en distintos instantes de tiempo, utilizando diferentes sensores o desde diversos puntos de vista. Un tipo particular de algoritmo de registración, conocido como registración sliceto- volume (corte a volumen o STV por sus siglas en ingles), ha despertado el interés de la comunidad científica durante los últimos años dado que puede ser aplicado en problemas sumamente relevantes como la fusión de imágenes para cirugías guiadas por imagen y la corrección de movimiento en reconstrucción de volúmenes. La registración STV (donde una imagen de corte 2D es registrada con un volumen 3D) suele ser formulada como un problema de optimización y resuelta utilizando métodos continuos estándar. En este trabajo final de carrera, se discute una formulación alternativa donde la tarea es formulada como un problema de etiquetado discreto sobre grafos. Inspirado en trabajos previos sobre estimación discreta de transformaciones lineales usando Markov Random Fields (MRF), se modela la problemática utilizando un MRF de a pares, donde los nodos están asociados a los parámetros de la transformación rígida, y las aristas representan la relación entre las variables. Se compara el rendimiento del método propuesto con una formulación continua optimizada por medio del algoritmo Nelder-Mead Simplex, y se discute como esta puede ser utilizada para mejorar la precisión del enfoque propuesto. El método es validado utilizando un dataset monomodal compuesto por imágenes de resonancia magnética (MRI) de un corazón latiendo. Los resultados obtenidos se muestran prometedores, demostrando el potencial del método propuesto.
publishDate 2016
dc.date.none.fl_str_mv 2016-09
2017-10-24T16:47:04Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1444
https://www.ridaa.unicen.edu.ar/handle/123456789/1444
url http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1444
https://www.ridaa.unicen.edu.ar/handle/123456789/1444
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1842975335929348096
score 12.993085

Publicaciones similares