Resumen de Interpretación automática de imágenes médicas mediante técnicas multiescala
Vicente Grau Colomer
Las imágenes estan tomando un protagonismo cada vez mayor en multiples aspectos de la practica medica, Sin embargo, su potecial no puede ser totalmente aprovechado si no se dispone de las herramientas adecuadas para realizar su segmentacion. Multiples grupos de investigacion en todo el mundo ha desarrollado metodos que permiten segmentar imágenes en casos particulares, sin embargo, a pesar de los esfuerzos efectuados hasta la actualidad, no se ha conseguido obtener un metodo general de segmentacion, valido para cualquier sistema de adquisicion y cualquier localizacion anatomica de las imágenes.
En la presente tesis, se ha desarrollado un sistema de segmentacion para imágenes medicas. El sistema realiza la segmentacion en dos fases. En la primera, se construye una representacion multiescala, en forma de arbol, de la imagen a segmentar, mediante una modificacion del conocido algoritmo de inmersion para el calculo de las divisorias de aguas. En la segunda fase, se etiquetan los nodos de dicho arbol por medio de la transformacion del mismo en un arbol modelo. El arbol modelo contiene el conocimiento a priori de que disponemos sobre las imágenes a segmentar, y se construye a partir de la segmentacion semiautomatica de un conjunto de imágenes de entrenamiento, para la cual se ha desarrollado un sistema de segmentacion basado en la misma estructura de arbol. El proceso de transformacion entre el arbol incognita y el modelo se realiza por medio de un algoritmo jerarquico de optimizacion, en el cual se trata de minimizar una funcion que cuantifica la diferencia entre los dos arboles. En el calculo de dicha funcion se tienen en cuanta parametros relacionados con el nivel de gris, la posicion y la forma de los objetos. El sistema esta preparado para trabajar con imágenes bi-o tridimensionales, con una o multiples componentes, con lo cual se aprovecha toda la informacion disponible en los sistemas de adquisicion de imágenes medicas mas moder
