Resumen

La segmentación precisa y eficiente de las arterias coronarias en angiogramas de rayos X representa una tarea esencial para el diagnóstico asistido por ordenador. En este artículo se presenta un nuevo filtro multiescala de coincidencia gaussiana (MGMF) basado en redes neuronales artificiales. El método propuesto consta de dos etapas diferentes. En la primera, el MGMF se utiliza para detectar estructuras similares a vasos sanguíneos y reducir el ruido de la imagen. Los resultados del MGMF se comparan con los obtenidos mediante seis métodos de detección basados en GMF en términos del área (Az) bajo la curva receiver operating characteristic (ROC). En la segunda etapa, se comparan diez métodos de umbralización del estado del arte para clasificar la magnitud de la respuesta gaussiana multiescala en píxeles con y sin vasos, respectivamente. La medida de precisión se utiliza para analizar los métodos de segmentación, comparando los resultados con un conjunto de 100 angiogramas coronarios de rayos X, que fueron perfilados por un especialista para formar la verdad de base. Por último, el método propuesto se compara con siete métodos de segmentación de vasos del estado de la técnica. Los resultados de detección de vasos mediante el método MGMF propuesto alcanzaron un Az=0,9357 con un conjunto de entrenamiento de 50 angiogramas y un Az=0,9362 con el conjunto de prueba de 50 imágenes. Además, los resultados de segmentación con el método de umbralización de varianza intraclase proporcionaron una precisión de segmentación de 0,9568 con el conjunto de prueba de angiogramas coronarios.

• 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:MGMF, angiogramas coronarios, métodos de segmentación de vasos sanguíneos, método de umbralización de la varianza intraclase, redes neuronales artificiales, respuesta gaussiana multiescala, nuevo método gaussiano multiescala, X, resultados
• Keywords:MGMF, coronary angiograms, art vessel segmentation methods, intraclass variance thresholding method, artificial neural networks, multiscale Gaussian response, new multiscale Gaussian, X, method, results