• Comunidades e Coleções
    • Por data do documento
    • Autores
    • Títulos
    • Assuntos
    • Multimídia
    • español
    • English
    • português (Brasil)
  • Autoarquivamento
  • Navegue 
    • Comunidades e Coleções
    • Por data do documento
    • Autores
    • Títulos
    • Assuntos
    • Multimídia
  • português (Brasil) 
    • español
    • English
    • português (Brasil)
  • Entrar
Ver item 
  •   Repositório institucional ITM
  • Sistema de Revistas Científicas ITM
  • TecnoLógicas
  • Vol. 20 Núm. 39 (2017)
  • Ver item
  •   Repositório institucional ITM
  • Sistema de Revistas Científicas ITM
  • TecnoLógicas
  • Vol. 20 Núm. 39 (2017)
  • Ver item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Navegar

Todo o repositórioComunidades e ColeçõesPor data do documentoAutoresTítulosAssuntosMultimídiaEsta coleçãoPor data do documentoAutoresTítulosAssuntosMultimídia

Minha conta

EntrarCadastro

Estatística

Ver as estatísticas de uso

Fusión de etiquetas basado en múltiples atlas usando ponderaciones locales supervisadas

Thumbnail
Visualizar/Abrir
724-Manuscrito-1023-1-10-20180416.pdf (682.3Kb)
Share this
Data
2017-05-02
Autor
Cárdenas-Peña, David
Fernández, Eduardo
Ferrández-Vicente, José M.
Castellanos-Domínguez, German
Keywords
Segmentación de imágenes cerebrales; fusión de etiquetas; segmentación con múltiples atlas
Metadata
Mostrar registro completo
PDF Documents
Resumo
La segmentación automática de estructuras de interés en imágenes de resonancia magnética cerebral requiere esfuerzos significantes, debido a las formas complicadas, el bajo contraste y la variabilidad anatómica. Un aspecto que reduce el desempeño de la segmentación basada en múltiples atlas es la suposición de correspondencias uno-a-uno entre los voxeles objetivo y los del atlas. Para mejorar el desempeño de la segmentación, las metodologías de fusión de etiquetas incluyen información espacial y de intensidad a través de estrategias de votación ponderada a nivel de voxel. Aunque los pesos se calculan para un conjunto de atlas predefinido, estos no son muy eficientes en etiquetar estructuras intrincadas, ya que la mayoría de las formas de los tejidos no se distribuyen uniformemente en las imágenes. Este artículo propone una metodología de extracción de características a nivel de voxel basado en la combinación lineal de las intensidades de un parche. Hasta el momento, este es el primer intento de extraer características locales maximizando la función de alineamiento de kernel centralizado, buscando construir representaciones discriminativas, superar la complejidad de las estructuras, y reducir la influencia de los artefactos. Para validar los resultados, la estrategia de segmentación propuesta se compara contra la segmentación Bayesiana y la fusión de etiquetas basada en parches en tres bases de datos diferentes. Respecto del índice de similitud Dice, nuestra propuesta alcanza el más alto acierto (90.3% en promedio) con suficiente robusticidad ante los artefactos y respetabilidad apropiada.
URI
http://hdl.handle.net/20.500.12622/1021
Collections
  • Vol. 20 Núm. 39 (2017) [15]

Departamento de Biblioteca y Extensión Cultural
bibliotecaitm@itm.edu.co

Entre em contato | Deixe sua opinião