TESIS
Una Nueva Metodología De Segmentación De Imágenes Basada En Contornos Activos. Aplicación A La Segmentación De Imágenes Médicas Para La Reconstrucción Tridimensional De Estructuras Anatómicas.
2016-01-25
Tecnología De Información, Señales Y Comunicaciones
Informatica; Sistemas De Control Medico; Tratamiento Digital De Imagenes
DIRECTORES
Moreno Del Pozo, José (Director)
TRIBUNAL
Durán Martín-Meras, María Luisa (Vocal)
León, León Rojas Juan Miguel (Presidente)
Pagador Carrasco, José Blas (Vocal)
Rodríguez Vila, Borja (Vocal)
Zabalza Ostos, Jaime (Secretario)
DESCRIPCIÓN
Este trabajo ha tenido como objetivo principal desarrollar una metodología para la reconstrucción tridimensional de estructuras anatómicas a partir de imágenes médicas. Dentro del proceso completo de la reconstrucción tridimensional, una de las fases más importantes y complejas es la segmentación de cada una de las imágenes. Por esto, nuestro trabajo se ha focalizado en la fase de segmentación de las imágenes médicas, ya que el resultado de esta fase determina en gran medida la precisión de los modelos tridimensionales.Presentamos un nuevo método de segmentación basado en contornos activos que hemos llamado Contornos Activos Auto-Reconfigurables (CAAR), que son un tipo de contornos activos que se ejecutan en dos fases. En la primera fase se ejecuta un algoritmo de contorno activo cuyos resultados son comprobados y mejorados de forma automática durante la segunda fase. Esta metodología se basa en detectar automáticamente las zonas en las que no se ha obtenido un buen resultado y elegir posteriormente, también de forma automática, la estrategia óptima a utilizar en cada zona teniendo en cuenta las particularidades de cada zona.El hecho de utilizar varios tipos diferentes de contornos activos dentro del algoritmo de segmentación CAAR, le permite que pueda adaptarse a una gran variedad de situaciones diferentes.Para comprobar la exactitud de los resultados arrojados por la metodología desarrollada, se la ha comparado de forma experimental con varios tipos de algoritmos de contornos activos ya existentes y se han obtenido mejores resultados con los CAAR. Para esta comparación se han utilizado, entre otros, el algoritmo clásico de contornos activos de Kass [1], el algoritmo de Bernard[2], los contornos activos sin bordes[3], el algoritmo de Li[4], los Balloons[5], y el algoritmo de Shi[6]. [1] Kass, M; Witkins, A; Terzopoulos, D. Snakes: Active Contour Models. Internat. Journal Computer Vision, vol.1, nº 4, Enero 1988, pp. 321-331.[2] O. Bernard, D. Friboulet, P. Thevenaz, and M. Unser Variational B-Spline Level-Set: A linear filtering approach for fast deformable model evolution. En: IEEE Transactions on Image Processing, vol. 18-6 (jun. de 2009), pags. 1179-1191.[3] Chan, T.F; Vese, L.A. Active Contours without edges. IEEE Transactions on Image Processing, vol. 10, nº 2, 2001, pp. 266-277.[4] Li, C., Kao, C.Y., Gore, J.C., Ding, Z. Minimization of regionscalable fitting energy for image segmentation. En: IEEE Transactions on Image Processing vol 17. no. 10 (oct. de 2008), pags. 1940-1949.[5] Cohen, Laurent D. On Active Contour Models and Balloons. In Computer Vision, Graphics, and Image Processing: Image Understanding, vol. 53, nº 2, pp. 211-218, Marzo 1991.[6] Y. Shi y W. C. Karl. A real-time algorithm for the approximation of level-set based curve evolution. IEEE Trans. Image Process., volumen 17, no. 5, pp.645-656, 2008.