Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea

Autores
Orlando, J. I.; Fresno, Mariana del
Año de publicación
2013
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se presenta una estrategia simple para la segmentación automática de tejidos en imágenes de resonancia magnética multiespectrales basada principalmente en clasificación por mínima distancia euclídea. A partir de un conjunto de imágenes 3D en las modalidades T1, T1 con contraste de gadolinio, T2 y FLAIR y de sus segmentaciones de referencia se obtienen descriptores para cada tipo de tejido a través del centroide de cada clase, que son utilizados para clasificar nuevas imágenes de entrada. La clasificación resultante es sometida a un postprocesamiento que permite eliminar puntos espurios y aislados de modo de obtener mallas de superficie cerradas y compactas. El algoritmo fue evaluado sobre una base de datos de imágenes de resonancia sintéticas de cerebros con tumores de alto y bajo grado, obteniendo segmentaciones de alta calidad para los principales tejidos cerebrales y resultados comparables con los de otras propuestas para la segmentación de tumor y edema.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Segmentación
MRI
Tumores cerebrales
Clasificador por Mínima Distancia Euclídea
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/93786
Acceder
id SEDICI_f5ad505b3db3227f2f3724698b038c93
oai_identifier_str oai:sedici.unlp.edu.ar:10915/93786
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídeaOrlando, J. I.Fresno, Mariana delCiencias InformáticasSegmentaciónMRITumores cerebralesClasificador por Mínima Distancia EuclídeaEn este trabajo se presenta una estrategia simple para la segmentación automática de tejidos en imágenes de resonancia magnética multiespectrales basada principalmente en clasificación por mínima distancia euclídea. A partir de un conjunto de imágenes 3D en las modalidades T1, T1 con contraste de gadolinio, T2 y FLAIR y de sus segmentaciones de referencia se obtienen descriptores para cada tipo de tejido a través del centroide de cada clase, que son utilizados para clasificar nuevas imágenes de entrada. La clasificación resultante es sometida a un postprocesamiento que permite eliminar puntos espurios y aislados de modo de obtener mallas de superficie cerradas y compactas. El algoritmo fue evaluado sobre una base de datos de imágenes de resonancia sintéticas de cerebros con tumores de alto y bajo grado, obteniendo segmentaciones de alta calidad para los principales tejidos cerebrales y resultados comparables con los de otras propuestas para la segmentación de tumor y edema.Sociedad Argentina de Informática e Investigación Operativa2013-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf197-215http://sedici.unlp.edu.ar/handle/10915/93786spainfo:eu-repo/semantics/altIdentifier/issn/1853-1881info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-11-12T10:43:46Zoai:sedici.unlp.edu.ar:10915/93786Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-11-12 10:43:47.217SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
title Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
spellingShingle Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
Orlando, J. I.
Ciencias Informáticas
Segmentación
MRI
Tumores cerebrales
Clasificador por Mínima Distancia Euclídea
title_short Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
title_full Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
title_fullStr Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
title_full_unstemmed Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
title_sort Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea
dc.creator.none.fl_str_mv Orlando, J. I.
Fresno, Mariana del
author Orlando, J. I.
author_facet Orlando, J. I.
Fresno, Mariana del
author_role author
author2 Fresno, Mariana del
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Segmentación
MRI
Tumores cerebrales
Clasificador por Mínima Distancia Euclídea
topic Ciencias Informáticas
Segmentación
MRI
Tumores cerebrales
Clasificador por Mínima Distancia Euclídea
dc.description.none.fl_txt_mv En este trabajo se presenta una estrategia simple para la segmentación automática de tejidos en imágenes de resonancia magnética multiespectrales basada principalmente en clasificación por mínima distancia euclídea. A partir de un conjunto de imágenes 3D en las modalidades T1, T1 con contraste de gadolinio, T2 y FLAIR y de sus segmentaciones de referencia se obtienen descriptores para cada tipo de tejido a través del centroide de cada clase, que son utilizados para clasificar nuevas imágenes de entrada. La clasificación resultante es sometida a un postprocesamiento que permite eliminar puntos espurios y aislados de modo de obtener mallas de superficie cerradas y compactas. El algoritmo fue evaluado sobre una base de datos de imágenes de resonancia sintéticas de cerebros con tumores de alto y bajo grado, obteniendo segmentaciones de alta calidad para los principales tejidos cerebrales y resultados comparables con los de otras propuestas para la segmentación de tumor y edema.
Sociedad Argentina de Informática e Investigación Operativa
description En este trabajo se presenta una estrategia simple para la segmentación automática de tejidos en imágenes de resonancia magnética multiespectrales basada principalmente en clasificación por mínima distancia euclídea. A partir de un conjunto de imágenes 3D en las modalidades T1, T1 con contraste de gadolinio, T2 y FLAIR y de sus segmentaciones de referencia se obtienen descriptores para cada tipo de tejido a través del centroide de cada clase, que son utilizados para clasificar nuevas imágenes de entrada. La clasificación resultante es sometida a un postprocesamiento que permite eliminar puntos espurios y aislados de modo de obtener mallas de superficie cerradas y compactas. El algoritmo fue evaluado sobre una base de datos de imágenes de resonancia sintéticas de cerebros con tumores de alto y bajo grado, obteniendo segmentaciones de alta calidad para los principales tejidos cerebrales y resultados comparables con los de otras propuestas para la segmentación de tumor y edema.
publishDate 2013
dc.date.none.fl_str_mv 2013-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/93786
url http://sedici.unlp.edu.ar/handle/10915/93786
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/1853-1881
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
197-215
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1848605524901232641
score 12.976206

Publicaciones similares