Tecnología
Analizan nuevas técnicas para mejorar resultados de imágenes médicas
El objetivo es lograr segmentar distintos tipos y detalles de estructuras de interés
CIUDAD DE MÉXICO (06/ENE/2016).- La Universidad Autónoma de San Luis Potosí (UASLP) estudia diversas técnicas para mejorar el análisis de imágenes médicas, pues la imagenología clínica permite explorar a detalle las principales funciones del cuerpo.
La alumna de la Facultad de Ciencias, Sarahí Hernández Juárez, trabaja para realizar comparaciones cuantitativas de métodos de segmentación de imágenes médicas, para lograr organizar distintos tipos de estructuras del cuerpo.
Este trabajo se realiza bajo la tutoría de los doctores Aldo Mejía y Edgar Arce, en colaboración con el Instituto de Bioimagenología y Fisiología Molecular que se encuentra en Milán, Italia, quienes aportan imágenes de casos clínicos verdaderos.
"El objetivo inicial del proyecto era comparar métodos de segmentación en el ámbito clínico para lograr segmentar distintos tipos de estructuras de interés", dijo Hernández en una entrevista con la Agencia Informativa del Consejo Nacional de Ciencia y Tecnología ( Conacyt).
"Después se complementó con la comparación por parte de un experto clínico, para verificar la eficiencia de los métodos de segmentación conocidos, en este caso enfocado en el tratamiento de radioterapia", añadió.
Los métodos que se aplicaron fueron K-means, Otsu y Chan-Vese para la segmentación de imágenes de pulmones y un tumor cerebral.
El análisis cuantitativo constó del cálculo de índices de precisión que comparan la segmentación obtenida por cada método con otra de forma tradicional por un especialista clínico.
Los índices adquiridos fueron la distancia simétrica media, la distancia máxima, el porcentaje de distancias mayores a la dimensión del pixel y el índice de superposición.
Los resultados arrojaron que para la segmentación de los pulmones los algoritmos se comportan de manera similar, pero en el caso del tumor, el método de Chan-Vese es preferible.
"Podemos decir que los métodos de segmentación nos pueden dar mucha información característica de las estructuras, por ejemplo en este caso se evalúo el tumor de un cerebro", dijo la encargada del proyecto.
"Así que se puede aplicar en el área de radioterapia y darle un sentido más real", añadió.
Los autores esperan en trabajos futuros complementarlo con otros métodos de segmentación de imágenes médicas para aplicaciones en la localización y tratamiento de tumores.
La alumna de la Facultad de Ciencias, Sarahí Hernández Juárez, trabaja para realizar comparaciones cuantitativas de métodos de segmentación de imágenes médicas, para lograr organizar distintos tipos de estructuras del cuerpo.
Este trabajo se realiza bajo la tutoría de los doctores Aldo Mejía y Edgar Arce, en colaboración con el Instituto de Bioimagenología y Fisiología Molecular que se encuentra en Milán, Italia, quienes aportan imágenes de casos clínicos verdaderos.
"El objetivo inicial del proyecto era comparar métodos de segmentación en el ámbito clínico para lograr segmentar distintos tipos de estructuras de interés", dijo Hernández en una entrevista con la Agencia Informativa del Consejo Nacional de Ciencia y Tecnología ( Conacyt).
"Después se complementó con la comparación por parte de un experto clínico, para verificar la eficiencia de los métodos de segmentación conocidos, en este caso enfocado en el tratamiento de radioterapia", añadió.
Los métodos que se aplicaron fueron K-means, Otsu y Chan-Vese para la segmentación de imágenes de pulmones y un tumor cerebral.
El análisis cuantitativo constó del cálculo de índices de precisión que comparan la segmentación obtenida por cada método con otra de forma tradicional por un especialista clínico.
Los índices adquiridos fueron la distancia simétrica media, la distancia máxima, el porcentaje de distancias mayores a la dimensión del pixel y el índice de superposición.
Los resultados arrojaron que para la segmentación de los pulmones los algoritmos se comportan de manera similar, pero en el caso del tumor, el método de Chan-Vese es preferible.
"Podemos decir que los métodos de segmentación nos pueden dar mucha información característica de las estructuras, por ejemplo en este caso se evalúo el tumor de un cerebro", dijo la encargada del proyecto.
"Así que se puede aplicar en el área de radioterapia y darle un sentido más real", añadió.
Los autores esperan en trabajos futuros complementarlo con otros métodos de segmentación de imágenes médicas para aplicaciones en la localización y tratamiento de tumores.
Síguenos en