Resumen

La segmentación automática de imágenes y el análisis de características pueden ayudar a los médicos a tratar y diagnosticar enfermedades con mayor precisión. La segmentación automática de imágenes médicas es difícil debido a la diferente calidad de imagen de los distintos equipos. En este trabajo, el método automático emplea el análisis de textura de intensidad multiescala de imagen y la segmentación para resolver este problema. En este trabajo, en primer lugar, se aplica SVM para identificar neumotórax común. Las características se extraen de las imágenes de pulmón con el LBP (patrón binario local). A continuación, se determina la clasificación del neumotórax mediante SVM. En segundo lugar, el método de detección automática de neumotórax propuesto se basa en la segmentación de texturas de intensidad multiescala mediante la eliminación del fondo y los ruidos en las imágenes de tórax para segmentar las regiones pulmonares anómalas. La segmentación de las regiones anormales se utiliza para la textura transformada a partir de la computación de múltiples bloques superpuestos. Los límites de las costillas se identifican con la detección de bordes Sobel. Finalmente, para obtener una región completa de la enfermedad, se rellena el límite de la costilla y se localiza entre las regiones anormales.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:regiones anormales, segmentación automática de imágenes médicas, método de detección automática de neumotórax, análisis de textura de intensidad multiescala, segmentación de textura de intensidad multiescala, segmentación automática de imágenes, detección de bordes Sobel, regiones pulmonares anormales, región de enfermedad completa, patrón binario local
• Keywords:abnormal regions, Automatic medical image segmentation, automatic pneumothorax detection method, multiscale intensity texture analysis, multiscale intensity texture segmentation, Automatic image segmentation, Sobel edge detection, abnormal lung regions, complete disease region, local binary pattern