Resumen

La estimación precisa de la ubicación y el volumen de la próstata a partir de imágenes in vivo desempeña un papel crucial en diversas aplicaciones clínicas. Recientemente, la resonancia magnética (RM) se ha propuesto como una modalidad prometedora para detectar y monitorizar enfermedades relacionadas con la próstata. En este trabajo, proponemos un algoritmo no supervisado para segmentar la próstata con imágenes 3D de coeficiente de difusión aparente (ADC) derivadas de imágenes de RM ponderadas por difusión (DWI) sin necesidad de un conjunto de datos de entrenamiento, mientras que los métodos anteriores para este fin requieren conjuntos de datos de entrenamiento. Primero aplicamos una segmentación gruesa para extraer la información de forma. A continuación, la información previa sobre la forma se incorpora al modelo de contorno activo. Por último, se aplican operaciones morfológicas para refinar los resultados de la segmentación. Aplicamos nuestro método a un conjunto de datos de RM obtenidos de tres pacientes y proporcionamos los resultados de segmentación obtenidos por nuestro método y por un experto. Nuestros resultados experimentales muestran que el rendimiento del método propuesto es bastante satisfactorio.

• Materias:Ingeniería electrónica Códigos informáticos Circuitos integrados Procesamiento de señales asistido por computador Informática Procesamiento de datos
• Subjects:Electronic engineering Computer codes Integrated circuits Signal processing computer-assisted Computing Data processing
• Palabras claves:método, resultados de segmentación, coeficiente de difusión aparente 3d, modelo de contorno activo, resonancia magnética, diversas aplicaciones clínicas, mri, próstata, estimación precisa, conjunto de datos mr
• Keywords:method, segmentation results, 3d apparent diffusion coefficient, active contour model, magnetic resonance imaging, various clinical applications, mri, prostate, accurate estimation, mr dataset