Un enfoque integrado de segmentación para extracción de superficies en imágenes digitales 3D

Abstract

En este trabajo se describe una estrategia eficiente y novedosa para la segmentación de superficies contenidas en imágenes digitales 3D, basada en modelos deformables o “snakes”. El método propone una inicialización aproximada pero robusta de los objetos de interés a partir del resultado de un algoritmo de crecimiento de regiones. Luego, se construye una malla de superficie cerrada que contiene a la región, la cual se usa como la geometría inicial de un modelo deformable para el refinamiento final. Esta estrategia integrada provee una alternativa de solución a una de las falencias de los modelos deformables tradicionales, logrando refinar la superficie en pocos pasos y en tiempos más razonables que los reportados por otros autores. Se presentan resultados experimentales de segmentación de estructuras complejas, validando los resultados por comparación con segmentaciones de referencia. Los resultados obtenidos muestran que el enfoque es capaz de lograr segmentaciones de alta calidad con bajo costo computacional.

This paper describes an efficient novel strategy for the segmentation of surfaces contained in 3D images, based on deformable models or “snakes”. The proposed method starts by determining a rough but robust approximation of the objects of interest using the results of a region-growing algorithm. Then, the closed surface mesh that encloses the region is constructed and used as the initial geometry of a deformable model for the final refinement. This integrated strategy provides an alternative solution to one of the flaws of traditional deformable models, achieving good refinements of internal surfaces in few steps and times much reasonable than the reported by others authors. Experimental segmentation results of complex structures on both simulated and real data are presented, and the method is assessed by comparing with standard reference segmentations. The obtained results show that the approach achieves high quality segmentations with low computational complexity.