Resumen

Se han implementado y aplicado varios métodos de segmentación para segmentar el tejido del masetero facial a partir de imágenes de resonancia magnética. La idea común a todos los métodos es aprovechar la información previa de distintas imágenes de RM pertenecientes a distintos individuos en la segmentación de una imagen de RM de prueba. Los métodos de segmentación estándar basados en atlas y los métodos de segmentación probabilística basados en el campo aleatorio de Markov utilizan información previa etiquetada. En este estudio también se propone un nuevo enfoque en el que se utiliza información previa no etiquetada de un conjunto de imágenes de RM para segmentar el tejido masetero en un marco probabilístico. El método propuesto utiliza sólo un punto semilla que indica el tejido objetivo y realiza la segmentación automática para el tejido seleccionado sin utilizar un conjunto de entrenamiento etiquetado. Se validan y comparan los resultados de segmentación de todos los métodos y se discuten en particular las influencias de la información previa etiquetada o no etiquetada y la inicialización. Se demuestra que si se realiza un modelado adecuado, no es necesaria la información previa etiquetada. El método propuesto obtiene la mayor precisión cuando se utiliza información previa no etiquetada.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:información previa, varios métodos de segmentación, diferentes imágenes mr, tejido masetero facial, imágenes de resonancia magnética, métodos de segmentación probabilística, uso de campo aleatorio, imagen mr de prueba, métodos, imágenes mr
• Keywords:prior information, several segmentation methods, different mr images, facial masseter tissue, magnetic resonance images, probabilistic segmentation methods, random field use, test mr image, methods, mr images