Segmentación de Imágenes de Miembro Inferior

Abstract

En el proceso de creación de modelos músculo-esqueléticos específicos a partir de imágenes médicas, la segmentación de las imágenes tiene un rol determinante, debido a que de la técnica de segmentación utilizada depende la eficiencia del modelo. En el proceso de desarrollo de algoritmos automáticos de segmentación que incorporan un conocimiento a priori de la estructura que se desea segmentar, es necesario realizar utilizar grupos de imágenes de entrenamiento que hayan sido previamente segmentadas. En general esta segmentación se realiza de forma manual por parte del experto médico, el cual debe delinear cada estructura a segmentar en cada una de las imágenes de los distintos juegos de prueba, haciendo que este trabajo sea agotador y que consuma mucho tiempo. En este trabajo se plantea un algoritmo de segmentación semi-automático basado en el algoritmo de mínimos caminos de Dijkstra, que puede ser utilizado por el experto médico para el procesamiento de los conjuntos de imágenes de entrenamiento. Con la aplicación de este algoritmo se logra reducir significativamente los tiempos de procesamiento conservando una alta especificidad y sensibilidad en la obtención de las regiones de interés.During the process of developed specific musculoskeletal models from medical imaging, image segmentation plays a key role, because the efficiency of these models depends on the segmentation techniqueused to obtain the structures of interest. When develop automatic segmentation algorithms, which incorporate a priori knowledge of the structure to be segmented, the training image sets must been previously segmented. Generally this segmentation is performed manually by a medical expert, which should delineate each structure in each image of the different training sets, making this work exhausting and highly timeconsuming. This paper presents a semi-automatic segmentation algorithm based on Dijkstra's shortest paths algorithm, which can be used by the medical expert to process training image sets. By applying this algorithm we achieves a significant reduction of processing time while maintaining a high specificity and sensitivity in obtaining the regions of interest.