Detalles del proyecto
Descripción
Integrar la aplicación de métodos de procesamiento de imágenes de rayos X, que contribuya como soporte al diagnóstico de lesiones localizadas en la estructura pélvica.
Descripción de Layman
El registro basado en segmentación de imágenes de rayos X anteroposteriores (AP) es una tarea desafiante; volviéndose más difícil aún cuando se trata con estructuras de huesos complejas, tales como la estructura pélvica humana. Sin embargo, en la actualidad, la tarea de registro y segmentación de la estructura pélvica es poco abordada en el ámbito nacional, pero es muy requerida en el campo médico para asistir al diagnóstico de lesiones traumatológicas; así como también, para la creación de un modelo pélvico en 3D.
En este trabajo, se presenta un framework para el proceso de registro basado en segmentación de la estructura pélvica para asistir al diagnóstico de lesiones traumatológicas en imágenes de rayos X anteroposteriores (AP) en el Hospital Docente de la UNSA; ofreciendo el análisis y evaluación de tres enfoques diferentes. Los enfoques se basan en Statistical Shape Model (SSM)-Statistical Appearance Model (SAM), Random Forest Regression y Data Driven Joint Estimation respectivamente; los cuales tienen como etapa principal: la detección de puntos de referencia. Asimismo, se introduce un paso de preprocesamiento para optimizar la visualización de regiones anatómicas relevantes de la estructura pélvica.
Finalmente, este trabajo introduce métricas de distancia que se pueden utilizar para evaluaciones cuantitativas superiores a las mediciones que se encuentran en el estado del arte; a fin de realizar el proceso de diagnóstico de lesiones traumatológicas de manera precisa.
En este trabajo, se presenta un framework para el proceso de registro basado en segmentación de la estructura pélvica para asistir al diagnóstico de lesiones traumatológicas en imágenes de rayos X anteroposteriores (AP) en el Hospital Docente de la UNSA; ofreciendo el análisis y evaluación de tres enfoques diferentes. Los enfoques se basan en Statistical Shape Model (SSM)-Statistical Appearance Model (SAM), Random Forest Regression y Data Driven Joint Estimation respectivamente; los cuales tienen como etapa principal: la detección de puntos de referencia. Asimismo, se introduce un paso de preprocesamiento para optimizar la visualización de regiones anatómicas relevantes de la estructura pélvica.
Finalmente, este trabajo introduce métricas de distancia que se pueden utilizar para evaluaciones cuantitativas superiores a las mediciones que se encuentran en el estado del arte; a fin de realizar el proceso de diagnóstico de lesiones traumatológicas de manera precisa.
Hallazgos clave
Segmentación de Rx, registro de Rx, pelvis.
Estado | Finalizado |
---|---|
Fecha de inicio/Fecha fin | 12/07/16 → 12/01/18 |
Enlaces | http://190.119.145.150:8010/proyectos_vri/index.php/view/index/54 |