ES2367202T3 - Clasificación de material marcado en un conjunto de imágenes tomográficas de la región colorrectal. - Google Patents

Clasificación de material marcado en un conjunto de imágenes tomográficas de la región colorrectal. Download PDF

Info

Publication number
ES2367202T3
ES2367202T3 ES07866852T ES07866852T ES2367202T3 ES 2367202 T3 ES2367202 T3 ES 2367202T3 ES 07866852 T ES07866852 T ES 07866852T ES 07866852 T ES07866852 T ES 07866852T ES 2367202 T3 ES2367202 T3 ES 2367202T3
Authority
ES
Spain
Prior art keywords
voxels
zone
intensity
marking
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES07866852T
Other languages
English (en)
Inventor
Silvia Delsanto
Lia Morra
Ivan Dmitriev
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IM3D SpA
Original Assignee
IM3D SpA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IM3D SpA filed Critical IM3D SpA
Application granted granted Critical
Publication of ES2367202T3 publication Critical patent/ES2367202T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

Un método de clasificación de porciones de imágenes correspondientes a residuos fecales a partir de una imagen tomográfica de una región colorrectal, comprendiendo dicha imagen un pluralidad de vóxeles (2) teniendo cada uno un valor de intensidad predeterminado, mostrando dicha imagen al menos una porción de colon (6a, 6b, 6c, 6d) que comprende: al menos una zona de material marcado (10) que comprende al menos una zona de residuo fecal (10a) correspondiente a residuos fecales marcados presentes en el colon y al menos una zona de tejido afectado por el marcaje (10b) correspondiente a tejidos del colon situados en contacto con los residuos fecales, al menos una zona de aire (8), correspondiente al aire contenido en el colon que comprende una zona de aire puro (8a) no afectada por los residuos fecales; comprendiendo el método las operaciones de: - identificar (100), basándose en unos criterios de identificación predeterminados basados en los valores de intensidad, las primeras regiones conectadas que comprenden los vóxeles (2) conectados que tienen un valor de intensidad que excede de un umbral, - identificar, dentro de dichas primeras regiones conectadas, una pluralidad de regiones conectadas de material marcado que comprende los vóxeles (2) que representan la zona de material marcado (10), - clasificar (104) cada vóxel (2) de la mencionada pluralidad de regiones conectadas de material marcado basándose en criterios de clasificación específicos para cada mencionada pluralidad de regiones conectadas de material marcado, de modo que se identifiquen los vóxeles (2) correspondientes a dicha zona de residuo fecal (10a) y los vóxeles (2), correspondientes a dicha zona de tejido afectado por el marcaje (10b).

Description

La presente invención se refiere a un método de clasificación de objetos y/o estructuras en imágenes tomográficas, en particular imágenes de imágenes de Tomografía Axial Computerizada (TAC).
Más específicamente, la invención se refiere a un método de clasificación digital del contenido de una imagen de una región colorrectal, como se define en el preámbulo de reivindicación 1.
El artículo de Summers, Franaszek y cols. "Computer-aided Detection of Polyps on Oral Contrast-Enhanced CT Colonography", American Journal of Roentgenology, vol. 184, 2005, págs. 105-108, y el documento WO 00/55814 divulgan métodos similares de clasificación digital del contenido de un imagen de una región colorrectal.
La colonoscopia virtual es una técnica que hace posible la detección temprana de lesiones preneoplásicas presentes en una región colorrectal a través del análisis de una serie de imágenes tomográficas, en particular imágenes de Tomografía Axial Computerizada (TAC). Cada una de estas imágenes representa una sección axial del abdomen del paciente y corresponde a la señal obtenida a partir del volumen de muestra, que, a su vez, depende de la absorción de rayos X por los diferentes tejidos. El análisis de diagnóstico del conjunto de imágenes puede realizarse tanto a través de un estudio de las imágenes mismas como llevando a cabo un recorrido virtual por los órganos del paciente a través del procesamiento de las imágenes en tres dimensiones.
En la tomografía axial computerizada se generan conjuntos de datos de imágenes y se traducen los datos relacionados con la atenuación ejercida por el tejido y por las estructuras anatómicas sobre los rayos X incidentes en niveles de intensidad de grises. Puesto que la atenuación de la materia fecal sometida a rayos X es similar a la de otros tejidos como, en particular, las estructuras que sobresalen de la pared del colon y las estructuras unidas a ellas, las lesiones preneoplásicas sumergidas en la materia fecal pueden no identificarse correctamente.
Con el fin de solucionar este problema, se han introducido métodos de clasificación de los residuos fecales que, mediante la administración oral previa al paciente de un agente de contraste, muestran una atenuación mucho mayor en comparación con la de los tejidos adyacentes, haciéndose así distinguibles. Sin embargo, en las imágenes adquiridas de este modo, la pared del colon en contacto con el material marcado también sufre un aumento engañoso en la intensidad.
Se han propuesto diversos métodos para clasificar y eliminar digitalmente los residuos fecales. Sin embargo, tales métodos proponen enfoques basados en el análisis de las características de las heces marcadas como un todo, demostrando no ser muy sólidos en el caso de que el nivel de marcaje varíe a lo largo del colon, o llevando a cabo análisis basados en la comparación del valor de cada vóxel individual con los valores de los vóxeles vecinos, con la consiguiente necesidad de emplear recursos informáticos significativos.
Por consiguiente, un objeto de la presente invención es proponer un método de clasificación que sea capaz de clasificar de una forma sencilla y rápida los residuos fecales presentes en el conjunto de datos de imágenes de una región colorrectal, incluso en presencia de modificaciones a nivel del marcaje de las heces.
Estos y otros objetos se alcanzan mediante un método de clasificación que tiene las características definidas en la reivindicación 1.
Las realizaciones particulares son el objeto de las reivindicaciones dependientes.
Un sistema de procesamiento y un programa para un procesador tal como se reivindica constituyen un objeto adicional de la invención.
Otras características y ventajas de la invención quedarán claras a partir de la siguiente descripción detallada que se proporciona puramente a modo de ejemplo no limitante con referencia a las figuras adjuntas, en las que:
-la figura 1 es una representación en diagrama de una imagen de una sección abdominal,
-la figura 2 es una primera representación en diagrama de una sección de colon,
-la figura 3 es un diagrama de flujo del método de acuerdo con la invención,
-la figura 4 es una segunda representación en diagrama de la sección de colon de la figura 2,
-la figura 5 es una representación del curso de la intensidad entre la zona corregida y la pared del colon,
-la figura 6 es una representación de una reconstrucción en línea recta de los valores de los vóxeles de la zona de tejido afectado por el marcaje, y
-la figura 7 es una representación en diagrama de un sistema de procesamiento para la aplicación del método de acuerdo con la invención.
En la siguiente descripción, el método de clasificación de acuerdo con la invención se ilustrará con referencia a la aplicación particular y más habitual de un método de sustracción electrónica de residuos fecales.
Debe considerarse una imagen de un conjunto de datos (conjunto de imágenes) adquiridos mediante un sistema de tomografía axial computerizada aprovechando la diferente absorción de rayos X por los tejidos. Como alternativa, es posible adquirir dicho conjunto de datos por otras técnicas tomográficas, tales como, por ejemplo, resonancia magnética nuclear.
La figura 1 muestra de una forma simplificada una imagen binaria de una sección abdominal que comprende, de una forma conocida en sí misma, una pluralidad de vóxeles, algunos de los cuales se han representado como minúsculos cuadrados que se indican como un todo por referencia 2. Tales vóxeles 2 tienen valores de intensidad relacionados con la atenuación que presenta la muestra correspondiente del volumen de muestra a los rayos X. Los diferentes niveles de gris de las imágenes mostradas corresponden, por tanto, a la atenuación que muestran las estructuras representadas. La referencia 4 indica el cuerpo del paciente y las referencias 6a, 6b, 6c, 6d indican una pluralidad de porciones del colon que corresponden a diferentes intersecciones del colon con el plano de sección correspondiente a la imagen. Las porciones del colon 6a, 6b, 6c, 6d comprenden, cada una, una zona de aire 8 y una zona de material marcado 10 que se hace detectable gracias a la presencia de un agente de contraste previamente administrado al paciente.
La figura 1 muestra además porciones de hueso 12 correspondientes, por ejemplo, a la columna vertebral.
La figura 2 es una representación aumentada de una porción del colon 6a, 6b, 6c, 6d, por ejemplo la porción 6d, delimitada por una pared de colon 13. La figura 2 muestra también tejidos 14 adyacentes a dicha porción del colon 6d y no afectados por el marcaje, la zona de aire 8 y la zona de material marcado 10.
La zona de material marcado 10 está subdividida en una zona de residuos fecales 10a y una zona de tejido afectado por marcaje 10b; la zona de aire 8 está subdividida en una zona de aire pura 8a, en la que los valores de intensidad de los vóxeles 2 no se ven afectadas por la presencia de la zona de material marcado 10 y están preferiblemente contenidas en el intervalo entre -1024 HU y -850 HU; y una zona de aire afectada por el marcaje 8b, en la que la intensidad de los valores de los vóxeles 2 está alterada por la presencia de la zona de material marcado 10.
Como puede ser observarse a partir de la figura 2, la zona de tejido afectado por el marcaje 10b, comprende los vóxeles 2 situados alrededor de la pared del colon 13 e influenciados por la proximidad de los vóxeles 2 marcados de la zona de residuo fecal 10a.
La zona de tejido afectado por el marcaje 10b está constituida por vóxeles 2 cuyos valores de intensidad son artificialmente hiperintensos por el efecto de volumen parcial debido a la proximidad de los vóxeles 2 de la zona de residuo fecal 10a y/o debido a artefactos del endurecimiento del haz de rayos X.
La zona de residuo fecal 10a puede comprender residuo fecal marcado y pequeñas zonas de material no marcado, tales como, por ejemplo, burbujas de aire, heces no marcadas, etc.
En la siguiente descripción del método de la invención, todas las operaciones son acometidas con referencia a todo el conjunto de datos de imágenes, es decir, se llevan a cabo en tres dimensiones.
Con referencia a la figura 3, el método de la invención comprende, como una primera operación, la identificación 100 de regiones de vóxeles 2 conectados que tienen valores de intensidad incompatibles con los valores de intensidad de los vóxeles 2 de los tejidos adyacentes 14, por ejemplo iguales a -100 HU, o de la zona de aire pura 8a, por ejemplo iguales a -900 HU, o de zonas de aire fuera del colon, por ejemplo, fuera del paciente o dentro de los pulmones, no representado en el dibujo.
En esta operación todos los vóxeles 2 de las zonas de material marcado 10 y los vóxeles 2 de las porciones de hueso 12 son, por tanto, detectados, puesto que los huesos también tienen un coeficiente de atenuación comparable al de las zonas de material marcado 10. Inicialmente, los vóxeles 2 de partida, en lo sucesivo denominados semillas 16, son detectados, con base en criterios predeterminados. A grupos de semillas 16 adyacentes están anejos vóxeles 2 que presentan propiedades específicas, fijas a priori o procedentes de las propiedades del grupo de semillas 16 al que están anejos. De forma ventajosa, un criterio para la detección de las semillas 16 está basado en un umbral de intensidad. En particular, se establece un primer umbral de valor fijo, preferiblemente igual a 200 HU, y se seleccionan como semillas 16 los vóxeles 2 que tienen un valor de intensidad igual o superior al del primer umbral. Después, se generan las regiones conectadas por encima del umbral, comprendiendo todos los vóxeles 2 que tienen una intensidad mayor que un segundo umbral, preferiblemente del mismo valor que el primer umbral.
Aún en la etapa de identificación 100 descrita anteriormente, se aplican operaciones morfológicas (tales como, por ejemplo, y dilataciones y erosiones) con el fin de delinear la forma de dichas regiones conectadas por encima del umbral, compensando en parte si fuera necesario el efecto del ruido de adquisición de la imagen y los artefactos debidos a la imagen en sí.
Estas operaciones morfológicas hacen además posible añadir también a las regiones conectadas por encima del umbral pequeños grupos aislados de vóxeles 2 por debajo del umbral (que representan, por ejemplo, aire, partículas, etc.) presentes en las zonas de material marcado 10.
En la siguiente etapa 102, entre las regiones conectadas por encima del umbral detectadas en la etapa precedente, se identifican regiones conectadas de hueso que comprenden los vóxeles 2 que corresponden a las porciones de hueso 12. La etapa 102 comprende la aplicación de una serie de operaciones morfológicas a las regiones conectadas por encima del umbral de manera tal que se separen las regiones de hueso conectadas de las regiones de material marcado conectadas. A veces, en realidad, debido al efecto de volumen parcial y de los artefactos de adquisición, una región conectada por encima del umbral individual puede estar constituida en parte por una zona de material marcado 10, que comprende los vóxeles 2 que corresponden al material marcado en sí, y por porciones de hueso 12 adyacentes a ella.
En lo sucesivo, cada una de las regiones conectadas se analiza basándose en datos conocidos a priori relacionados con la extensión, la forma y la localización de las porciones de hueso 12. De forma ventajosa, las características de los vóxeles 2 pertenecientes a las mismas regiones de hueso conectadas se utilizan adicionalmente, aprovechando características tales como la homogeneidad local, la desviación estándar, características relacionadas con la curvatura de los vóxeles de superficie 2 de las regiones.
Preferiblemente se realiza una comprobación acerca de si la región conectada por encima del umbral empieza en la primera imagen del colon y tiene una longitud a lo largo del eje Z mayor que la mitad de la imágenes que cubren la totalidad de la longitud del colon, identificándola en ese caso como una región conectada correspondiente a una porción de hueso 12. La presuposición es, de hecho, que los huesos son una única estructura conectada verticalmente que tiene una longitud suficiente.
Las regiones de hueso conectadas, así identificadas, no se utilizan, por tanto, en las etapas sucesivas del método descritas de aquí en adelante.
En la siguiente etapa 104, la clasificación se lleva a cabo para cada región conectada de material marcado, entre la zona de residuo fecal 10a y la zona de tejido afectado por el marcaje 10b.
La zona de residuo fecal 10a y la zona de tejido afectado por el marcaje 10b tienen características (intensidad, homogeneidad...) que las diferencian en las regiones individuales de material marcado conectadas, pero que dejan de ser discriminantes tan pronto como el colon se considera como un todo. Por ejemplo, los vóxeles 2 de la zona de residuo fecal 10a tienen de media un valor de intensidad mayor que el de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b, pero puede ocurrir que zonas de residuo fecal 10a de una región de material marcado que tenga una menor presencia de agente de contraste muestren un valor de intensidad menor que zonas de tejido afectado por el marcaje 10b de una región de material marcado conectada en la que, en cambio, haya una mayor cantidad de agente de contraste.
Por lo tanto, es más eficaz hacer una distinción entre vóxeles 2 de residuo fecal 10a y vóxeles 2 de tejido afectado por el marcaje 10b en cada región de material marcado conectada que llevar a cabo la clasificación con criterios basados en la globalidad indistinta de todos los vóxeles 2 del colon correspondientes a las heces y al tejido afectados por marcaje.
Además de esto, realizar una clasificación en el nivel de las regiones conectadas individuales de material marcado es más rápido y más eficaz que hacer una comparación entre cada un de los vóxeles y sus vecinos.
Con el fin de llevar a cabo la clasificación 104 de los vóxeles de las regiones conectadas de material marcado como se declaró anteriormente, se identifican variables n que caracterizan el material marcado 10, en lo sucesivo llamadas "características". Cada vóxel 2 perteneciente a cada región conectada de material marcado tiene asociado un vector n-dimensional que contiene el valor de las características n para el vóxel en sí. Ejemplos de estas características son la intensidad del vóxel, la intensidad media y la varianza del vóxel y de los primeros vóxeles vecinos, por ejemplo los primeros 26 vóxeles, y la homogeneidad local, análogamente, las características pueden estar constituidas por parámetros que indiquen la distancia de estructuras/materiales conocidos.
En adelante, dichos vectores de variables se denominarán "vectores de características". Por lo tanto, se obtiene para cada vóxel 2 de cada región conectada de material marcado el vector de características asociado a él. Este vector de características se introduce en un clasificador conocido en sí mismo, que establece a qué clase pertenece el correspondiente vóxel 2, como se describe más adelante.
De forma ventajosa, el clasificador proporciona a la salida una pluralidad de clases que representan la zona de residuo fecal 10a y la zona de tejido afectado por el marcaje 10b.
De este modo, los criterios de clasificación específicos estarán disponibles para cada región conectada de material marcado, ya que se obtienen basándose en los vectores de características de los vóxeles 2 presentes en la región conectada en sí. La clasificación de un vóxel 2, por lo tanto, se realiza comparando el vector de características del vóxel 2 con los datos suministrados por el clasificador basándose en la totalidad de los vectores de características pertenecientes a la región conectada individual de material marcado.
Los criterios de clasificación para cada región conectada individual de material marcado derivan, en particular, de introducir los vectores de características de la región conectada en sí en el clasificador, como se describe en lo sucesivo. Como alternativa, tales criterios se obtienen tanto a través de análisis y/o modelización de la distribución de la variables n incluidas en el vector de características para los vóxeles 2 pertenecientes a la región conectada individual de material marcado, como a través de la combinación de reglas e hipótesis que combinan conocimientos a priori que están relacionados con materiales y los tejidos presentes con las reglas deducidas a partir del análisis de los vectores de características de las regiones conectadas individuales de material marcado.
Un ejemplo de un clasificador que opera basándose en los vectores de características introducidos distingue los vóxeles 2 pertenecientes a las distintas regiones conectadas de material marcado basándose en un umbral de intensidad diferente para cada región. En este caso, el vector de características es un escalar, el valor de la intensidad, y el criterio de clasificación es un umbral de intensidad, diferente para cada región conectada de material marcado, determinado automáticamente aplicando, por ejemplo, el método de Otsu a cada región conectada de material marcado.
En otro caso, dicho clasificador está constituido por una red neural que tiene una estructura específica y con parámetros obtenidos por ejemplo "entrenando" dicha red neural en cada región conectada.
Otros ejemplos incluyen clasificadores de tipo k-means y fuzzy c-means.
Un ejemplo de clasificación obtenida mediante análisis y/o modelización de la distribución de las variables n es la que se obtiene con clasificadores de tipo Bayesiano, que operan basándose en la distribución de los parámetros de los vectores de características de los vóxeles 2 pertenecientes a la región conectada individual de material marcado.
Un ejemplo de clasificación obtenida mediante la integración de datos a priori relacionados con la probabilidad de tener tipos predeterminados de material, si procede ligados a la tipología de la región conectada individual de material marcado, es la que se obtiene a partir de clasificadores de tipo fuzzy que incorporar reglas específicas para llevar a cabo la clasificación de los vóxeles 2 de la región conectada en cuestión.
En la siguiente etapa 106, se realiza el reconocimiento de los vóxeles 2 de la zona de aire afectada por el marcaje 8b. Con el fin de realizar dicho reconocimiento 106, empezando a partir de cada vóxel 2 perteneciente a un contorno 15 de la zona de residuo fecal 10a, se trazan para cada región conectada una o más vías o radios de exploración, para una extensión predeterminada de vóxeles, preferiblemente 4 vóxeles. Cuando se encuentra un vóxel 2 que tiene un valor de intensidad por debajo de un valor predeterminado, por ejemplo igual a -700 HU, todos los vóxeles 2 que se encontraron previamente a lo largo del rayo se clasifican como pertenecientes a la zona de aire afectada por el marcaje 8b, denominándose la interfaz entre el aire presente en el lumen del colon y la zona de residuo fecal 10a, interfaz aire/líquido. El vóxel de superficie 2 a partir del cual se ha iniciado el rayo también se clasifica como perteneciente a la interfaz aire/líquido. En el caso en el que las heces sean sustancialmente líquidas, es suficiente con trazar el rayo en una dirección vertical, dado que los líquidos siempre tienen una superficie horizontal, de modo que la interfaz aire-líquido sea atravesada realmente en una dirección vertical si se inicia desde los vóxeles 2 del contorno 15.
En la siguiente etapa 108, la redistribución de los valores de los vóxeles 2 de la zona de material marcado 10 se realiza con el objeto de atribuir a los vóxeles 2 de la zona de residuo fecal 10a valores de intensidad compatibles con los de la zona de aire pura 8a y de corregir la intensidad de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b, eliminando el efecto debido al marcaje.
Un primer método para llevar a cabo esta corrección se basa en el uso de los datos relativos al valor de la intensidad, alterado también por el marcaje, que muestran tales vóxeles 2 de la zona de tejido afectado por el marcaje 10b. En este caso, la corrección puede realizarse tanto por métodos que son conocidos en sí mismos como por un método nuevo descrito más adelante.
Es necesario considerar el hecho de que el marcaje altera el valor de la intensidad de los vóxeles 2 del tejido afectado por el marcaje 10b en contacto con la zona de residuo fecal 10a. De hecho, puesto que los vóxeles 2 de la zona de residuo fecal 10a tienen valores de intensidad muy altos, los vóxeles 2 del tejido afectado por el marcaje 10b en contacto se muestran artificialmente hiperintensos. Modelizando esta relación es posible calcular los valores de intensidad corregida que han de ser sustituidos para los vóxeles 2 del tejido afectado por el marcaje 10b empezando desde los valores originales de intensidad de los vóxeles 2 afectados por el marcaje. Se conocen distintas curvas que especifican la intensidad corregida con dependencia de la intensidad original de un vóxel marcado.
Los vóxeles 2 de la zona de residuo fecal 10a no se modelizan basándose en tales curvas, sino que se fijan en valores compatibles con la zona de aire pura 8a.
Por ejemplo, en Lakare S., Wan M., Sato M., Kaufman A., "3D Digital Cleansing Using Segmentation Rays", IEEE Conf. Visualization 2000, 37-44, 538, está tabulada la relación entre la intensidad original y la intensidad corregida de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b. En otro ejemplo, Nappi J. y Yoshida H., "Fully Automated Three-Dimensional Detection of Polyps in Faecal-Tagging CT Colonography", Acad. Radiol. 2007, 14(3):287-300, los valores compatibles con los tejidos adyacentes 14 se mantienen mientras que los valores de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b son obtenidos por modelización de la relación entre vóxeles originales y vóxeles reconstruidos mediante una línea recta con coeficiente negativo.
Asimismo, la relación puede modelizarse con otros tipos de curvas, tales como, por ejemplo, la sigmoide.
Todos los métodos descritos anteriormente hacen posible obtener una reconstrucción de la pared del colon 13 y una corrección de los valores de los vóxeles en la zona de tejido afectado por el marcaje 10b, pero tienen el inconveniente que las curvas que expresan la relación entre la intensidad original y la intensidad corregida de los vóxeles 2 están fijas y no tienen en cuenta la variación que puede mostrar el marcaje. Las variaciones en el nivel de marcaje de las heces en realidad causa no sólo variaciones en el nivel de intensidad de los vóxeles 2 de la zona de residuo fecal 10a, sino también variaciones en el nivel de intensidad de las zonas de tejido afectado por el marcaje 10b, de modo que los vóxeles 2 de la zona de tejido afectado por el marcaje 10b tienen una intensidad que depende de la concentración local del agente de contraste. En casos de marcaje no muy homogéneo, un intensidad dada encontrada en un vóxel 2 de la zona de tejido afectado por el marcaje 10b puede ser interpretada tanto como causada por una proximidad específica a la zona de residuo fecal 10a, como causada por la presencia de una concentración específica del agente de contraste. En estos casos, la determinación de los valores de intensidad corregida que deben sustituirse depende del nivel de marcaje encontrado localmente.
El método de acuerdo con la invención, también compatible con las soluciones caracterizadas por la modelización fija de la relación entre los valores de intensidad original y corregida de los vóxeles 2 de la zona de tejido afectada por el marcaje 10b, ofrece además la posibilidad de tener una evaluación local del valor de la intensidad correspondiente al valor de la zona de residuo fecal 10a. Esta evaluación local puede realizarse como resultado de la clasificación acometida como se describe anteriormente.
En tal caso, para cada región conectada individual de material marcado identificada previamente, se calculan los valores umbral S1 y S2, ambos determinados localmente para la zona de residuo fecal 10a (umbral S1), por ejemplo midiendo los valores de intensidad de los vóxeles 2 de la zona de residuo fecal 10a, y para el tejido circundante 14 (umbral S2), por ejemplo midiendo los valores de intensidad de los vóxeles 2 del tejido circundante 14 adyacente a la zona de tejido afectado por el marcaje 10b. Como alternativa, los valores de intensidad de los vóxeles 2 del tejido circundante 14 pueden fijarse en un valor predeterminado, por ejemplo, -100 HU. Se calcula después una curva parametrizada, por ejemplo una línea recta o una sigmoide, que pase a través de los valores umbral S1 y S2, y los valores originales de los vóxeles 2 de la zona de residuo fecal 10a y de la zona de tejido afectado por el marcaje 10b son corregidas con valores leídos a partir de dicha curva parametrizada.
Los valores umbral S1 y S2 se calculan entonces como resultado de la presencia de las regiones conectadas de material marcado.
Alternativamente, para obtener un procedimiento más rápido desde el punto de vista informático, se selecciona un único valor umbral para la zona de residuo fecal 10a, basado en la información proporcionada por una relación estadística, tal como por ejemplo la media, la moda o la mediana, de la totalidad de los valores de intensidad de las zonas de residuo fecal 10a pertenecientes a todas las regiones conectadas de material marcado.
Un segundo método para llevar a cabo la corrección de la intensidad de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b, eliminando el efecto debido al marcaje, comprende, como una primera etapa, asignar a los vóxeles 2 de la zona de residuo fecal 10a un valor de intensidad predeterminado igual a la zona de aire pura 8a. En la siguiente descripción, la zona de residuo fecal 10a se indicará como zona corregida 10a’ (véase la figura 4).
Los valores de intensidad de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b se modifican para restaurar los valores compatibles con el valor de intensidad de los vóxeles 2 de los tejidos adyacentes 14 y de la zona corregida 10a’. Sin embargo, con el fin de llevar a cabo esta modificación correctamente, es necesario recordar que los valores de intensidad de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b, debido al efecto de volumen parcial derivado de la proximidad de los vóxeles 2 de la zona corregida 10a’, deben volverse artificialmente hipointensivos, puesto que los vóxeles 2 del tejido circundante 14, cuando están en contacto con aire que tiene una atenuación baja, muestran valores hipointensos. Este efecto de volumen parcial, aunque sigue siendo un artefacto, debe replicarse para reproducir la apariencia normal de la mucosa del colon.
Con el fin de asignar los valores de intensidad correctamente a los vóxeles 2 de la zona de tejido afectado por el marcaje 10b, incorporando cuando sea necesario la alteración de los valores causada por la presencia de los vóxeles 2 de la zona corregida 10a’, en este caso se utilizan los datos relativos a la localización de los vóxeles 2 de la zona de tejido afectado por el marcaje 10b y el hecho de que el valor de intensidad de un vóxel 2 se vea afectado por el valor de los vóxeles 2 vecinos se tiene en cuenta explícitamente.
Los vóxeles 2 de la zona de tejido afectado por el marcaje 10b se subdividen en una primera subzona 10b’ y en una segunda subzona 10b" (véase la figura 4) basándose en la distancia desde los vóxeles 2 de la zona corregida 10a’. En particular, los vóxeles 2 de la zona de tejido afectada por el marcaje localizados a una distancia de los vóxeles 2 de la zona corregida 10a’ menor de, por ejemplo, 4 vóxeles se asignaron a la primera subzona 10b’, y los otros vóxeles 2 a la segunda subzona 10b".
Se asigna un valor de intensidad que tiene en cuenta el efecto de volumen parcial determinado por la proximidad de los vóxeles 2 de la zona corregida 10a’ a los vóxeles 2 de la primera subzona 10b’, como se describe de aquí en adelante.
Se asigna un valor de intensidad compatible con el valor de intensidad de los vóxeles 2 de los tejidos circundantes 14, por ejemplo -100 HU, a los vóxeles 2 de la segunda subzona 10b".
Se sabe que en la transición entre la zona corregida 10a’ y la pared del colon 13 la intensidad sigue un curso creciente, como se muestra en el ejemplo de la figura 5.
Con el fin de reconstruir el efecto debido a la presencia de la zona corregida 10a’, se modeliza la transición entre dicha zona corregida 10a’ y la pared del colon 13 y los valores de intensidad de los vóxeles 2 de la primera subzona 10b’ son sustituidos por valores predeterminados definidos por el modelo, como se describirá ahora.
Un primer método de reconstrucción consiste en sustituir para los vóxeles 2 de la primera subzona 10b’ valores predeterminados obtenidos por observación de un número predeterminado, por ejemplo 50, de zonas de transición de este tipo. De forma ventajosa, el valor de intensidad de los vóxeles 2 de la primera subzona 10b’ que están situados a una distancia de un vóxel de los vóxeles 2 de la zona corregida 10a’ se fija en -600 HU, el valor de intensidad se fija en 350 HU si dicha distancia es igual a dos vóxeles, y se fija en -200 HU si dicha distancia es tres vóxeles.
Un segundo método de reconstrucción consiste en utilizar curvas que representan cómo los valores de intensidad de los vóxeles 2 de la primera subzona 10b’ cambian a medida que la distancia desde la zona corregida 10a’ aumenta. La parametrización de las curvas tiene lugar basándose en los valores de intensidad de los vóxeles 2 de la zona corregida 10a’ y de los tejidos circundantes 14 en la zona de interfaz que se está procesando. Preferiblemente, el efecto producido por la presencia de la zona corregida 10a’ se ejerce sobre 3 vóxeles vecinos.
Utilizando como abscisas los valores para la distancia de los vóxeles 2 desde la zona corregida 10a’ y como ordenadas los valores de intensidad de los vóxeles 2 detectados anteriormente, se construye una línea recta 600 (véase la figura 6), que comienza en el punto A(0,-900), donde 0 es la distancia en vóxeles desde la zona corregida 10a’ y -900 HU es la intensidad de la zona corregida 10a’, y alcanza el punto T(4,-100), donde 4 es la distancia en vóxeles desde la zona corregida 10a’ y -100 HU es el valor de la intensidad del tejido circundante 14.
Alternativamente, para definir el valor de la intensidad del tejido circundante 14, se detectan todos los vóxeles 2 próximos a los vóxeles 2 de la segunda subzona 10b", excluyendo los vóxeles 2 que tienen valores de intensidad compatibles con la zona corregida 10a’, con la zona de aire pura 8a o con la primera subzona 10b’, y se calcula la media de los valores de intensidad. De forma ventajosa, esta exclusión se realiza utilizando umbrales prefijados, es decir se excluyen vóxeles 2 que tienen valores de intensidad inferiores a -200 HU y superiores a 150 HU.
En este punto, los valores originales de los vóxeles 2 de la primera subzona 10b’ se corrigen con valores leídos a partir de dicha línea recta. En la figura 6, los puntos I, II y III identifican qué valores de intensidad asignar a la vóxeles 2 de la primera subzona 10b’ que están situados respectivamente a una distancia de uno, dos y tres vóxeles de la zona corregida 10a’.
Este mismo método puede aplicarse análogamente utilizando otras curvas que se aproximan más a la zona de transición aire-tejido, tales como, por ejemplo, la curva sigmoide.
Finalmente, en la etapa 110 se realizó la corrección de los valores de los vóxeles 2 de la zona de aire afectada por el marcaje 8b. Se asigna un valor compatible con el valor del aire, preferiblemente igual a -900 HU, a estos vóxeles 2.
El método de acuerdo con la invención se lleva a cabo mediante un sistema del tipo representado en la figura 7, que comprende un puesto de trabajo informatizado 500, de tipo conocido, que tiene un subsistema de procesamiento 510, una pantalla 520, un teclado 530, un ratón 540 y un dispositivo para conectarse a una red local (bus de red) 550. Alternativamente, el sistema de procesamiento puede ser de tipo distribuido (no representado), que tiene un subsistema de procesamiento y periféricos de entrada/salida locales o remotos. El puesto de trabajo 500 o el sistema distribuido están dispuestos para procesar grupos o módulos de programas de procesamiento y de cálculo almacenados en un disco 560 o accesibles en red, adecuados para mostrar el método descrito, y para mostrar los resultados en la pantalla 520. Las soluciones a las que se hace referencia en la presente memoria descriptiva se consideran bien conocidas en la técnica y no se describirán adicionalmente en la presente memoria descriptiva puesto que no son relevantes en sí mismas con fines de implementación y de comprensión de la presente invención.
El alcance de protección de la presente invención está definido por las reivindicaciones adjuntas.

Claims (15)

  1. REIVINDICACIONES
    1. Un método de clasificación de porciones de imágenes correspondientes a residuos fecales a partir de una imagen tomográfica de una región colorrectal, comprendiendo dicha imagen un pluralidad de vóxeles (2) teniendo cada uno un valor de intensidad predeterminado, mostrando dicha imagen al menos una porción de colon (6a, 6b, 6c, 6d) que comprende:
    al menos una zona de material marcado (10) que comprende al menos una zona de residuo fecal (10a) correspondiente a residuos fecales marcados presentes en el colon y al menos una zona de tejido afectado por el marcaje (10b) correspondiente a tejidos del colon situados en contacto con los residuos fecales,
    al menos una zona de aire (8), correspondiente al aire contenido en el colon que comprende una zona de aire puro (8a) no afectada por los residuos fecales;
    comprendiendo el método las operaciones de:
    -identificar (100), basándose en unos criterios de identificación predeterminados basados en los valores de intensidad, las primeras regiones conectadas que comprenden los vóxeles (2) conectados que tienen un valor de intensidad que excede de un umbral,
    -identificar, dentro de dichas primeras regiones conectadas, una pluralidad de regiones conectadas de material marcado que comprende los vóxeles (2) que representan la zona de material marcado (10),
    -clasificar (104) cada vóxel (2) de la mencionada pluralidad de regiones conectadas de material marcado basándose en criterios de clasificación específicos para cada mencionada pluralidad de regiones conectadas de material marcado, de modo que se identifiquen los vóxeles (2) correspondientes a dicha zona de residuo fecal (10a) y los vóxeles (2), correspondientes a dicha zona de tejido afectado por el marcaje (10b).
  2. 2. El método de clasificación de acuerdo con la reivindicación 1, en el que la operación de identificar (100) las mencionadas primeras regiones conectadas de vóxeles (2) conectados que tienen un valor de intensidad que excede de un umbral comprende las etapas de:
    -seleccionar los vóxeles de partida (16) que tienen un valor de intensidad igual o superior a un primer umbral predeterminado,
    -generar las primeras regiones conectadas que comprenden vóxeles (2) conectados a dichos vóxeles de partida (16) y que tienen un valor de intensidad superior a un segundo umbral predeterminado.
  3. 3. El método de clasificación de acuerdo con la reivindicación 1 o 2, en el que la operación de clasificación (104) de cada vóxel (2) de la mencionada pluralidad de regiones conectadas de material marcado comprende las etapas de:
    -identificar al menos un parámetro de imagen que caracterice la zona de material marcado (10),
    -asignar a cada vóxel (2) de cada mencionada pluralidad de regiones conectadas de material marcado un vector de características que contiene el valor de dicho al menos un parámetro de imagen para el vóxel (2) dado,
    -procesar, para cada una de dicha pluralidad de regiones conectadas del material marcado y mediante un medio de clasificación automático, todas los vectores de características asociados a los vóxeles (2) pertenecientes a cada región conectada de material marcado, obteniendo así una pluralidad de criterios de clasificación específicos para cada una de dichas regiones conectadas de material marcado,
    -clasificar cada vóxel (2) comparando el valor de dicho al menos un parámetro de imagen del vector de características asociadas al vóxel (2) con los respectivos criterios de clasificación específicos, con objeto de identificar vóxeles (2), correspondientes a la zona de residuo fecal (10a) y vóxeles (2), correspondientes a la zona de tejido afectado por el marcaje (10b).
  4. 4. El método de clasificación de acuerdo con cualquiera de las reivindicaciones precedentes, en el que en el caso de que la imagen comprenda también porciones de hueso (12), el método comprende además las operaciones de:
    -aplicar operaciones morfológicas a las primeras regiones conectadas, de manera que se obtenga una pluralidad de regiones de hueso conectadas que comprenden vóxeles (2) que representan las porciones de hueso (12),
    -identificar dichas regiones de hueso conectadas, distinguiéndolas de las regiones conectadas de material marcado, basándose en datos conocidos relacionados con la extensión, la forma o la localización de las porciones de hueso (12).
  5. 5.
    El método de clasificación de acuerdo con cualquier de las reivindicaciones precedentes, en el que en el caso de que
    la imagen comprenda también una zona de aire afectada por el marcaje (8b) influida por los residuos fecales, el método comprende además la operación de reconocer (106), empezando a partir de cada una de dichas primeras regiones conectadas, los vóxeles (2) que representan la zona de aire afectada por el marcaje (8b).
  6. 6.
    El método de clasificación de acuerdo con la reivindicación 5, en el que la operación de reconocer (106) los vóxeles (2) que representan la zona de aire afectada por el marcaje (8b) comprende las etapas de:
    -definir un contorno (15) de la zona de residuo fecal (10a),
    -trazar, para cada vóxel (2) perteneciente a dicho contorno (15), al menos un camino de exploración para una longitud predeterminada hasta alcanzar un vóxel (2) que tanga un valor de intensidad por debajo de un valor prefijado.
  7. 7. Un método de sustracción electrónica de residuos fecales de una imagen tomográfica de una región colorrectal, que comprende las operaciones de:
    -llevar a cabo el método de clasificación de acuerdo con cualquiera de las reivindicaciones precedentes,
    -asignar, en cada una de dicha pluralidad de regiones conectadas, a los vóxeles (2) correspondientes a la zona de residuo fecal (10a), valores de intensidad compatibles con los valores de intensidad de los vóxeles (2) de la zona de aire puro (8a),
    -corregir, en cada una de dicha pluralidad de regiones conectadas, la intensidad de los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) mediante sustitución de los valores de intensidad de los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) por valores de corrección obtenidos a partir de una curva de modelización predeterminada que representa dicho valor de corrección como una función de los valores de intensidad de los vóxeles (2) de la zona de tejido afectado por el marcaje (10b).
  8. 8.
    El método de sustracción electrónica según la reivindicación 7, en el que la operación de asignar a los vóxeles (2) correspondientes a la zona de residuo fecal (10a) valores de intensidad compatibles con los valores de intensidad de los vóxeles (2) de la zona de aire puro (8a) comprende la etapa de:
    -sustituir los valores de intensidad de los vóxeles (2) de la zona de residuo fecal (10a) por un valor predeterminado.
  9. 9.
    El método de acuerdo con la reivindicación 7, en el que las operaciones de asignar a los vóxeles (2) de la zona de residuo fecal (10a) valores de intensidad compatibles con los valores de intensidad de los vóxeles (2) de la zona de aire puro (8a) y de corregir la intensidad de los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) comprenden las etapas de:
    a) calcular un primer valor de intensidad umbral (S1) basándose en los valores de intensidad de los vóxeles (2) de la zona de residuo fecal (10a);
    b) calcular una curva parametrizada que pase a través de dicho primer valor umbral (S1), representando dicha curva parametrizada valores de corrección para los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) como una función de los valores de intensidad de dichos vóxeles (2);
    c) sustituir los valores de intensidad de los vóxeles (2) de la zona de residuo fecal (10a) y de la zona de tejido afectado por el marcaje (10b) por valores de corrección obtenidos a partir de dicha curva parametrizada.
  10. 10. El método de sustracción electrónica según la reivindicación 9, que comprende, en el caso de que la imagen también comprenda una zona de tejido (14) que rodea a dicha al menos una porción de colon (6a, 6b, 6c), la operación de:
    d) calcular un segundo valor de intensidad umbral (S2) midiendo los valores de intensidad de los vóxeles (2) de la zona de tejido circundante (14) adyacente a la zona de tejido afectado por el marcaje (10b);
    y en el que la etapa b) se sustituye por la siguiente operación:
    -calcular una curva parametrizada que pase a través de dicho primer (S1) y dicho segundo (S2) valor umbral, representando dicha curva parametrizada valores de corrección para los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) como una función de los valores de intensidad de dichos vóxeles (2).
  11. 11.
    El método de sustracción electrónica según la reivindicación 10, en el que la operación d) se sustituye por la siguiente operación:
    -sustituir los valores de intensidad de los vóxeles (2) de la zona de tejido circundante (14) por un valor predeterminado.
  12. 12.
    El método de sustracción electrónica según la reivindicación 7 o la reivindicación 8, en el que la operación de corregir la intensidad de los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) comprende las etapas de:
    -subdividir los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) en una primera subzona (10b’) y una segunda subzona (10b") con dependencia de la distancia desde los vóxeles (2) de la zona de residuo fecal (10a), -sustituir para los vóxeles (2) de la primera subzona (10b’) los primeros valores predeterminados, -sustituir para los vóxeles (2) de la segunda subzona (10b") los segundos valores predeterminados.
  13. 13.
    El método de sustracción electrónica según la reivindicación 7 o la reivindicación 8, en el que la operación de corregir la intensidad de los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) comprende las etapas de:
    -subdividir los vóxeles (2) de la zona de tejido afectado por el marcaje (10b) en una primera subzona (10b’) y una segunda subzona (10b") con dependencia de la distancia desde los vóxeles (2) de la zona de residuo fecal (10a),
    -calcular una curva parametrizada que representa las variaciones en la intensidad de los vóxeles (2) de la primera subzona (10b’) con dependencia de la distancia desde los vóxeles (2) de la zona de residuo fecal (10a),
    -sustituir los valores de intensidad de los vóxeles (2) de la primera subzona (10b’) por valores de corrección obtenidos a partir de dicha curva parametrizada,
    -sustituir para los vóxeles (2) de la segunda subzona (10b") los segundos valores predeterminados.
  14. 14.
    Un sistema que comprende medios adaptados para llevar a cabo las etapas del método como se reivindica en una cualquiera de las reivindicaciones 1 a 13.
  15. 15.
    Un producto de programa que comprende código de programa, que, después de su ejecución por un sistema de acuerdo con la reivindicación 14, hace que dicho sistema realice todas las etapas de un método de acuerdo con cualquiera de las reivindicaciones 1 a 13.
ES07866852T 2007-12-28 2007-12-28 Clasificación de material marcado en un conjunto de imágenes tomográficas de la región colorrectal. Active ES2367202T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IT2007/000921 WO2009084047A1 (en) 2007-12-28 2007-12-28 Method of classification of tagged material in a set of tomographic images of colorectal

Publications (1)

Publication Number Publication Date
ES2367202T3 true ES2367202T3 (es) 2011-10-31

Family

ID=39509626

Family Applications (1)

Application Number Title Priority Date Filing Date
ES07866852T Active ES2367202T3 (es) 2007-12-28 2007-12-28 Clasificación de material marcado en un conjunto de imágenes tomográficas de la región colorrectal.

Country Status (5)

Country Link
US (1) US8848995B2 (es)
EP (1) EP2232435B1 (es)
AT (1) ATE511683T1 (es)
ES (1) ES2367202T3 (es)
WO (1) WO2009084047A1 (es)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8724875B2 (en) * 2008-08-15 2014-05-13 Koninklijke Philips N.V. Attenuation correction for PET or SPECT nuclear imaging systems using magnetic resonance spectroscopic image data
CN102763133B (zh) * 2009-11-27 2016-06-15 卡丹医学成像股份有限公司 用于过滤图像数据的方法和系统及其在虚拟内窥镜检查中的使用
AU2012220301B2 (en) * 2011-02-24 2017-04-13 Cadens Medical Imaging Inc. Method and apparatus for isolating a potential anomaly in imaging data and its application to medical imagery
JP5980490B2 (ja) * 2011-10-18 2016-08-31 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
CN109086643B (zh) * 2018-06-05 2021-11-02 山东泰宝信息科技集团有限公司 一种基于机器视觉的彩盒标签检测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6331116B1 (en) * 1996-09-16 2001-12-18 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual segmentation and examination
EP1859412B1 (en) * 2005-02-14 2019-04-10 Mayo Foundation For Medical Education And Research Electronic stool subtraction in virtual colonoscopy
WO2007064980A2 (en) * 2005-11-30 2007-06-07 The Research Foundation Of State University Of New York Electronic colon cleansing method for virtual colonoscopy
US7961967B2 (en) * 2005-11-30 2011-06-14 The General Hospital Corporation Adaptive density mapping in computed tomographic images

Also Published As

Publication number Publication date
EP2232435A1 (en) 2010-09-29
WO2009084047A8 (en) 2009-11-19
US20100284593A1 (en) 2010-11-11
EP2232435B1 (en) 2011-06-01
WO2009084047A1 (en) 2009-07-09
US8848995B2 (en) 2014-09-30
ATE511683T1 (de) 2011-06-15

Similar Documents

Publication Publication Date Title
EP3239924B1 (en) Multi-component vessel segmentation
US10083515B2 (en) Method and system for segmenting medical imaging data according to a skeletal atlas
US7058210B2 (en) Method and system for lung disease detection
US7583831B2 (en) System and method for using learned discriminative models to segment three dimensional colon image data
US7840051B2 (en) Medical image segmentation
US20110002523A1 (en) Method and System of Segmenting CT Scan Data
Hu et al. Segmentation of brain from computed tomography head images
JP2011517986A (ja) 腹部大動脈瘤の自動検知および正確なセグメント分割
ES2367202T3 (es) Clasificación de material marcado en un conjunto de imágenes tomográficas de la región colorrectal.
CN112074841A (zh) 3d图像中自动检测和分割椎体的系统和方法
JP2014158628A (ja) 画像処理装置、画像処理方法、制御プログラム、および記録媒体
CN112638262A (zh) 相似度确定装置、方法及程序
Straka et al. 3D watershed transform combined with a probabilistic atlas for medical image segmentation
El-Bazl et al. Automatic identification of lung abnormalities in chest spiral CT scans
Vasilache et al. Automated bone segmentation from pelvic CT images
Banik et al. Landmarking and segmentation of 3D CT images
Amritha et al. Liver tumor segmentation and classification using deep learning
Kubicek et al. Autonomous segmentation and modeling of brain pathological findings based on iterative segmentation from MR images
Rizi et al. A hybrid fuzzy based algorithm for 3d human airway segmentation
Reinhardt et al. Pulmonary imaging and analysis
JP2014161388A (ja) 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体
Zrimec et al. 3D modelling and visualization of the human lung
Sokac et al. Fuzzy Hybrid Method for the Reconstruction of 3D Models Based on CT/MRI Data.
Vasilache et al. A unified method based on wavelet filtering and active contour models for segmentation of pelvic CT images
Maitra et al. Bilateral breast asymmetry detection using intensity histogram and landmark based registration technique