Resumen

Este artículo presenta un novedoso método de segmentación automática de imágenes basado en la teoría de los modelos de contorno activo y en algoritmos de estimación de la distribución. El método propuesto utiliza el modelo de distribución marginal univariante para inferir dependencias estadísticas entre los puntos de control de diferentes contornos activos. Estos contornos se han generado mediante un proceso de alineación de priores de forma de referencia, con el fin de aumentar las capacidades de exploración y explotación respecto a diferentes técnicas de segmentación interactiva. Este método propuesto se aplica en la segmentación del núcleo hueco en imágenes microscópicas de fibras de cristal fotónico y también se utiliza para segmentar el corazón humano y las áreas ventriculares a partir de conjuntos de datos de imágenes de tomografía computarizada y resonancia magnética, respectivamente. Además, para evaluar el rendimiento de las segmentaciones de imágenes médicas en comparación con las regiones delineadas por expertos, se ha adoptado un conjunto de medidas de similitud. Los resultados experimentales sugieren que el método de segmentación de imágenes propuesto supera al modelo de contorno activo tradicional y al método interactivo de Tseng en términos de precisión y estabilidad de la segmentación.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:diferentes técnicas de segmentación interactiva, nuevo método de segmentación automática de imágenes, modelo tradicional de contorno activo, modelo de distribución marginal univariante, modelos de contorno activo, diferentes contornos activos, método de segmentación de imágenes, método tseng interactivo, imágenes de resonancia magnética, segmentaciones de imágenes médicas
• Keywords:different interactive segmentation techniques, novel automatic image segmentation method, traditional active contour model, univariate marginal distribution model, active contour models, different active contours, image segmentation method, interactive tseng method, magnetic resonance images, medical image segmentations