Resumen

La segmentación de tumores cerebrales es el primer paso y el más crítico en las aplicaciones clínicas de la radiómica. Sin embargo, la segmentación de imágenes cerebrales por parte de los radiólogos requiere mucho trabajo y es propensa a la variabilidad interobservador e intraobservador. Por lo tanto, los algoritmos de segmentación de imágenes cerebrales estables y reproducibles son importantes para la detección exitosa de tumores en radiómica. En este trabajo, proponemos un método de segmentación supervisada de imágenes cerebrales, especialmente para imágenes cerebrales de resonancia magnética (RM) con glioma. Este trabajo utiliza la optimización de componentes intrínsecos multiplicativos de borde duro para preprocesar la imagen médica del glioma en el lado del servidor, y luego, los médicos podrían supervisar el proceso de segmentación en los dispositivos móviles en su tiempo conveniente. Dado que las imágenes preprocesadas tienen el mismo brillo para los mismos vóxeles de tejido, presentan un tamaño de datos reducido (normalmente 1/10 del tamaño de la imagen original) y una estructura simple de 4 tipos de valor de intensidad. Esta observación permite procesar los pasos siguientes en dispositivos móviles con poco ancho de banda y un rendimiento informático limitado. Los experimentos realizados con 1935 cortes cerebrales de 129 pacientes muestran que más del 30% de la muestra puede alcanzar el 90% de similitud; más del 60% de las muestras puede alcanzar el 85% de similitud, y más del 80% de la muestra podría alcanzar el 75% de similitud. Las comparaciones con otros métodos de segmentación también demuestran tanto la eficacia como la estabilidad del enfoque propuesto.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:similitud, imágenes cerebrales, dispositivos móviles, método de segmentación de imágenes cerebrales, optimización multiplicativa de componentes intrínsecos, algoritmos reproducibles de segmentación de imágenes cerebrales, segmentación de tumores cerebrales, rendimiento informático limitado, tamaño original de la imagen, otros métodos de segmentación
• Keywords:similarity, brain images, mobile devices, brain image segmentation method, multiplicative intrinsic component optimization, reproducible brain image segmentation algorithms, Brain tumor segmentation, limited computing performance, original image size, other segmentation methods