Los médicos necesitan distinguir entre arterias y venas pulmonares a la hora de diagnosticar enfermedades como la enfermedad pulmonar obstructiva crónica (EPOC) y los tumores pulmonares. Sin embargo, la diferenciación manual es difícil debido a diversos factores como el equipo y la estructura corporal. A diferencia de los métodos geométricos anteriores de selección manual de los puntos de semillas y uso de redes neuronales para la separación, este trabajo propone un algoritmo combinado para la separación arteria-vena pulmonar basado en la relación de subárboles mediante la implementación de una idea completamente nueva y la combinación de información global y local, conocimiento anatómico y método de crecimiento de regiones bidimensionales. El algoritmo completa la reconstrucción de toda la estructura vascular y la separación de los puntos de adherencia a partir de las características de la estructura arborescente de los vasos sanguíneos, tras lo cual se consigue la clasificación automática de arterias y venas mediante el uso de conocimientos anatómicos, y todo el proceso está exento de intervención humana. Tras comparar todos los resultados experimentales con el patrón oro, obtuvimos una precisión media de separación del 85%, lo que logró una separación eficaz. Mientras tanto, el intervalo de tiempo podía controlarse entre 40 s y 50 s, lo que indica que el algoritmo tiene una buena estabilidad.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Mejora de las propiedades antirreflectantes de una superficie de película óptica con estructuras cónicas de sub-longitud de onda mezcladas
Artículo:
Modificación de derivados del urushiol mediante resina epoxi de cristal líquido
Artículo:
Caracterización e identificación de aislados de levaduras carotenogénicas de varias zonas naturales del Ecuador
Artículo:
Nuevos enfoques en la rehabilitación de la mano
Artículo:
Algoritmo genético híbrido de nicho inmune para la cobertura de detección de fallos en redes de sensores inalámbricos industriales