Resumen

La segmentación automática y la reconstrucción tridimensional del hígado son importantes para el diagnóstico de enfermedades hepáticas y el tratamiento quirúrgico. Sin embargo, la forma del hígado 2D en cada imagen de TC cambia drásticamente de un corte a otro. En todos los cortes, el hígado 2D de la imagen está conectado con otros órganos, y los órganos conectados también varían entre los cortes. En muchos cortes, la intensidad de los órganos conectados es la misma que la del hígado. Todos estos hechos hacen que la segmentación automática del hígado en la imagen de TC sea una tarea extremadamente difícil. En este trabajo, proponemos un enfoque heurístico para segmentar el hígado automáticamente basándonos en múltiples umbrales. Los umbrales se calculan basándose en la distribución de diferencias de pendiente que se ha propuesto y verificado en investigaciones anteriores. Los diferentes órganos de la imagen de TC se segmentan con los umbrales calculados automáticamente, respectivamente. A continuación, se combinan diferentes resultados de segmentación para delinear el límite del hígado de forma robusta. Una vez identificados los límites del hígado 2D en todos los cortes, se combinan para formar la forma 3D del hígado con una función de minimización de energía global. Los resultados experimentales verificaron la eficacia de todos los algoritmos de procesamiento de imágenes propuestos en la segmentación automática y robusta del hígado en imágenes de TC.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:hígado, imágenes 2D de hígado, cortes, imagen de TC, función de minimización de energía global, cambios en la imagen de TC, diferentes resultados de segmentación, algoritmos de procesamiento de imágenes, diagnóstico de enfermedades hepáticas, distribución de diferencia de pendiente
• Keywords:liver, imaged 2D liver, slices, CT image, global energy minimization function, CT image changes, different segmentation results, image processing algorithms, liver disease diagnosis, slope difference distribution