Segmentación de imágenes médicas

Título:

Segmentación de imágenes médicas

Autor:

Martínez Krawczuk, Walter Maximiliano

Otros autores / Colaboradores:

 Russo, Claudia Cecilia; [ Director/a] 

Temas:

REPRESENTACIÓN DE IMÁGENES; PROCESAMIENTO DE IMÁGENES; SEGMENTACIÓN; 

URL:

http://sedici.unlp.edu.ar/handle/10915/3976,

Palabras clave:

método de crecimiento de regiones, imágenes médicas, 

Nota de tesis:

Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2007.

Extensión:

149 p.  : il. + 1 CD-ROM

Resumen:

Esta tesina de grado aborda el estudio e investigación de imágenes digitales, su representación y almacenamiento, técnicas de procesamiento de imágenes, algoritmos de segmentación de imágenes en general y algoritmos de segmentación de imágenes médicas. Involucra el estudio de métodos propuestos en diversos papers de la IEEE así como técnicas mencionadas en libros relacionados al tema y en Internet. Este trabajo presenta diversos algoritmos de segmentación de imágenes médicas y propone mejoras sobre un método denominado Crecimiento de Regiones (también conocido como Método Semillas). Se han creado dos versiones del algoritmo elegido en plataforma Java, una tradicional y otra mejorada que introduce cambios en el mismo, con el objetivo de mejorar la versión tradicional y poder compararlas. Al no existir un estándar que permita comparar fehacientemente técnicas de segmentación, el trabajo propone diferenciar las versiones basándose en calidad de segmentación y velocidad de procesamiento. Se presentan resultados y se concluye que los cambios introducidos al método elegido mejoran su performance.

Puede solicitar más fácilmente el ejemplar con: TES 07/24

CAPÍTULO PRIMERO: Fundamentos teóricos
  1. Imágenes digitales
  2. Captura de imágenes
  3. Definiciones:
    3.1. Sampleo
    3.2. Resolución
    3.3. Resolución espacial
    3.4. Conectividad de píxeles
    3.5. Ruido
    3.6. Artefactos
    3.7. Volumen parcial
    3.8. No homogeneidad
    3.9. Forma
  4. Color
    4.1. Modelo RGB
    4.2. Otros modelos de colores

CAPÍTULO SEGUNDO: Representación manipulación y almacenamiento de imágenes
  5. Representación de imágenes
    5.1. 1 bit por píxel (2 tonos)
    5.2. 8 bits por píxel
    5.3. 15 bits por píxel
    5.4. 16 bits por píxel
    5.5. 24 bits por píxel
    5.6. 32 bits por píxel
  6. Manipulación de imágenes digitales
  7. Medios de almacenamiento
  8. Formatos de archivo
    8.1. BMP
    8.2. JPG
    8.3. TIFF
    8.4. GIF
    8.5. PNG  
  9. Tratamiento de imágenes digitales
    9.1. Manipulación de colores
    9.2. Conversiones entre representaciones
    9.3. Escala de grises
    9.4. Cálculo del histograma de una imagen
    9.5. Ecualización del histograma

CAPÍTULO TERCERO:
  10. Introducción
    10.1. Binarización por detección de umbral
    10.2. Selección del umbral óptimo
    10.3. Umbrales basados en varias variables
    10.4. Crecimiento de Regiones
    10.5. Crecimiento de regiones mediante adición de píxeles
    10.6. Crecimiento y división
    10.7. División y fusión de imágenes
    10.8. Extracción de regiones por el color
    10.9. Segmentación basada en clustering

CAPÍTULO CUARTO: Imágenes Médicas
  11. Tomografía Computada (TC)
    11.1. Definición
    11.2. Aplicaciones
    11.3. Obtención de imágenes por TC
    11.4. Ejemplos de TC 
  12. Resonancia Magnética (RMI)
    12.1 Definición
    12.2. Aplicaciones
    12.3. Obtención de imágenes por RMI
    12.4. Ejemplos de RMI
    12.5. TC vs. RMI 
  13. Formatos estándar de imágenes médicas
    13.1. DICOM

CAPÍTULO QUINTO: Segmentación de Imágenes Médicas
  14. Clasificación de técnicas de segmentación
    14.1. Contextuales
    14.2. No Contextuales 
  15. Algoritmos y técnicas de segmentación
    15.1. Umbralización
    15.2. Similitud de Regiones (Semilla)
    15.3. Crecimiento de Regiones
    15.4. División y mezcla
    15.5. Comparación de resultados
  16. Solución propuesta
    16.1. Método de segmentación elegido
    16.2. Mejoras realizadas al método de segmentación

CAPÍTULO SEXTO: Conclusiones
  17. ¿Porqué el método de segmentación propuesto es mejor que el original?
  18. Comparación de resultados
  19. Trabajos futuros

ANEXOS:
  Anexo A: Clasificación de Imágenes Médicas
  Anexo B: Otras definiciones
  Anexo C: Figuras y Tablas

BIBLIOGRAFÍA