Delimitación de gliomas mediante la segmentación de imágenes de RM y PET basada en polinomios de Zernike para la evaluación de factores influyentes en radioterapias

Abstract

Resumen En este trabajo de investigación se ha desarrollado un método de segmentación de imágenes médicas con la finalidad de separar tejido tumoral de tejido sano en cerebro, haciendo uso de los polinomios de Zernike para la obtención de una imagen filtrada que permite dicha segmentación de una manera más eficiente. Imágenes de Resonancia Magnética con y sin contraste e imágenes de PET fueron usadas para el análisis del algoritmo. Se construyeron máscaras 5x5 y 7x7 cuyos elementos de matriz fueron obtenidos mediante el desarrollo apropiado de los polinomios de Zernike en dicha ventana y se usaron como filtro para obtener una imagen caracterizada por valores de Zernike a partir de la imagen original la cual fue segmentada aplicando dos criterios de cálculo, el primero de ellos fue el análisis del histograma de la imagen filtrada para encontrar el valor umbral apropiado para la segmentación y el segundo fue la caracterización de tejido cerebral sano y segmentar el tumor a partir del conocimiento de estos valores automáticamente. Para el análisis del algoritmo fueron usados 11 pacientes de los cuales 3 poseían imágenes de Resonancia Magnética únicamente con contraste, 6 pacientes con imágenes de Resonancia Magnética con y sin contraste, y 2 Pacientes con Imágenes de Resonancia Magnética con y sin contraste e imágenes de PET, encontrándose que la segmentación basada en la caracterización de tejido cerebral sano es más efectivo que la selección del umbral manualmente y las imágenes PET aportan información importante para la correcta segmentación del tumor.