Resumen

Uno de los desafíos de la segmentación de imágenes cerebrales de resonancia magnética no supervisada es la materia gris central debido al débil contraste con respecto a la materia blanca circundante. En este artículo, se aborda la necesidad de la segmentación de imágenes supervisada, y se introduce un modelo suave de Mumford-Shah. Luego, se desarrolla un marco de segmentación de imágenes semisupervisado basado en el modelo suave de Mumford-Shah. La principal contribución de este artículo radica en el desarrollo de un marco de segmentación de imágenes suaves semisupervisado utilizando tanto el principio bayesiano como el principio de segmentación de imágenes suaves. El marco desarrollado clasifica píxeles de manera semisupervisada e interactiva, donde la clase de un píxel no solo se determina por sus características, sino también por su distancia a esas regiones conocidas. El modelo de segmentación suave semisupervisado desarrollado resulta ser una extensión del modelo suave de Mumford-Shah no supervisado. Luego, el mar

• Materias:Ecuaciones diferenciales Axiomas de lógica Intervalo Semiilimitado Deformación no lineal Cadenas homotópicas
• Subjects:Differential equations Logic axioms Semi-limited interval Nonlinear deformation Homotopy chains
• Palabras claves:Reto; No supervisado; MRI; Segmentación de imágenes cerebrales; Modelo suave Mumford-Shah; Semisupervisado; Marco de trabajo; Principio bayesiano; Extensión; Resultados experimentales
• Keywords:Challenge; Unsupervised; MRI; Brain image segmentation; Soft Mumford-Shah model; Semisupervised; Framework; Bayesian principle; Extension; Experimental results