Resumen

La segmentación automática de determinadas partes del corazón desempeña un papel importante en las tareas de reconocimiento, que se utilizan para el diagnóstico y el tratamiento. Una aplicación especialmente importante es la segmentación de la grasa epicárdica (que rodea el corazón), que según diversos estudios indica el nivel de riesgo de desarrollar diversas enfermedades cardiovasculares, así como de predecir la progresión de ciertas enfermedades. La cuantificación de la grasa epicárdica a partir de imágenes de TC requiere métodos avanzados de segmentación de imágenes. El problema de los métodos más avanzados para la segmentación de la grasa epicárdica es su alta dependencia de la interacción del usuario, lo que resulta en una baja reproducibilidad de los estudios y en un análisis que requiere mucho tiempo. En este artículo proponemos un nuevo enfoque semiautomático para la segmentación y cuantificación de la grasa epicárdica a partir de imágenes de TC 3D. Nuestro método es un enfoque de segmentación semisupervisada corte a corte basado en morfología adaptativa local y clustering de c-medias difusas. Además, utilizamos una elipse geométrica previa para filtrar las partes no deseadas del cluster objetivo. La validación de la metodología propuesta muestra una buena correspondencia entre los resultados de la segmentación y la segmentación manual realizada por los médicos.

• 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:grasa epicárdica, métodos avanzados de segmentación de imágenes, imágenes de TC 3D, segmentación de grasa epicárdica, morfología adaptativa local, novedoso enfoque semiautomático, partes concretas del corazón, enfoque de segmentación de cortes, diversas enfermedades cardiovasculares, segmentación
• Keywords:epicardial fat, advance image segmentation methods, 3D CT images, epicardial fat segmentation, local adaptive morphology, novel semiautomatic approach, particular heart parts, slice segmentation approach, various cardiovascular diseases, segmentation