Segmentación automática de tejidos cerebrales en MRI multiespectrales mediante clasificación por mínima distancia euclídea

Abstract

En este trabajo se presenta una estrategia simple para la segmentación automática de tejidos en imágenes de resonancia magnética multiespectrales basada principalmente en clasificación por mínima distancia euclídea. A partir de un conjunto de imágenes 3D en las modalidades T1, T1 con contraste de gadolinio, T2 y FLAIR y de sus segmentaciones de referencia se obtienen descriptores para cada tipo de tejido a través del centroide de cada clase, que son utilizados para clasificar nuevas imágenes de entrada. La clasificación resultante es sometida a un postprocesamiento que permite eliminar puntos espurios y aislados de modo de obtener mallas de superficie cerradas y compactas. El algoritmo fue evaluado sobre una base de datos de imágenes de resonancia sintéticas de cerebros con tumores de alto y bajo grado, obteniendo segmentaciones de alta calidad para los principales tejidos cerebrales y resultados comparables con los de otras propuestas para la segmentación de tumor y edema.