Mejoramiento de la segmentación de estructuras nerviosas usando un enfoque de pre-imágenes basado en correntropía
Share this
Date
2017-05-02Author
Gil-González, Julián
Álvarez-Meza, Andrés A.
Echeverry-Correa, Julián D.
Orozco-Gutiérrez, Álvaro A.
Álvarez-López, Mauricio A.
Keywords
Análisis de componentes principales; Correntropía; Filtrado; Funciones Kernel; SegmentaciónMetadata
Show full item recordPDF Documents
Abstract
El bloqueo de nervios periféricos (PNB) es una técnica ampliamente usada para llevar a cabo anestesia regional en el manejo del dolor. El PNB aplica una sustancia anestésica en el área que rodea el nervio que se quiere intervenir, y su éxito depende de la localización exacta del mismo. Recientemente, las imágenes de ultrasonido (UI) se han utilizado para la localización de nervios periféricos en PNB ya que permiten una visualización no invasiva y directa del nervio y de las estructuras anatómicas alrededor de él; sin embargo, este tipo de imágenes están afectadas por ruido speckle, dificultando su delimitación exacta. De esta manera, es pertinente una etapa de filtrado para atenuar el ruido sin remover información anatómica importante para la segmentación. En este artículo se propone una estrategia para el mejoramiento de UI usando filtrado basado en pre-imágenes. En particular, las imágenes se mapean a un espacio de alta dimensionalidad a través de una función kernel. Específicamente, se emplea un mapeo basado en Correntropía con el fin de codificar estadísticos de orden superior de las imágenes bajo condiciones no-lineales y no-Gaussianas. El enfoque propuesto se valida en la segmentación de nervios para PNB. El enfoque de filtrado basado en pre-imágenes con Correntropía (CPIF) es usado como pre-procesamiento en tareas de segmentación de nervios sobre UI. El rendimiento de la segmentación es medida en términos del coeficiente Dice. De acuerdo con los resultados, CPIF encuentra una aproximación adecuada para las UI al asegurar la identificación de patrones discriminativos de estructuras nerviosas.