Academic literature on the topic 'Segmentación de imagen'

Ingeniero Civil Electricista<br>El reconocimiento de personas ha sido un área de estudio importante en el último siglo y se ha intentado utilizar todos los rasgos característicos humanos posibles para este propósito, dando paso a la ciencia de la biometría. En el último tiempo se han desarrollado varios trabajos que utilizan el iris como medida biométrica, lo que se ha visto posibilitado gracias al avance de la tecnología relacionada a la fotografía digital. Un sistema de reconocimiento de iris se compone de tres procesos esenciales: adquisición de imagen, segmentación del iris y clasificación del sujeto. La gran mayoría del estudio del iris se ha realizado utilizando imágenes adquiridas bajo condiciones muy ideales de iluminación y cooperación del usuario. Sin embargo en los últimos años esto se ha ampliado a considerar condiciones más reales de trabajo. Este trabajo tiene como objetivo el diseño de un método de segmentación de iris, que considere condiciones menos cooperativas. El método desarrollado se divide en seis procesos que se enfocan en segmentar diferentes secciones del ojo dentro de la imagen. Primero se eliminan todos los reflejos especulares que puedan haber y se busca la ubicación del centro del iris en la imagen. Luego se segmentan el límite límbico y la pupila, aprovechando su forma normalmente circular, finalizando con la segmentación del párpado y las pestañas. El resultado es una máscara binaria que muestra la posición del iris dentro de la imagen de entrada. Se utiliza la base de datos UBIRIS v.2 para el diseño y prueba de este método. Calculando la cantidad de pixeles mal detectados (FP+FN) sobre la cantidad total de pixeles de la imagen, se obtiene un error promedio de 1,68%. Mientras que a partir del promedio de los valores de FPR y FNR de cada imagen, el error se establece en 10%. Estos resultados son comparables con las mejores publicaciones enviadas al concurso NICE.I relativo al mismo tema. Un promedio de 2[s] requiere el algoritmo en procesar cada imagen, lo que permite creer que podrá ser utilizado en situaciones de tiempo real como parte de un sistema de reconocimiento automático de iris.

El análisis y procesamiento de imágenes es un área con activo desarrollo en la matemática y ciencia de la computación. La motivación de esta memoria es desarrollar un método de segmentación de objetos biológicos en imágenes de microscopía que construya contornos de la más alta calidad y que requiera la menor interacción humana en su ejecución. Una familia de métodos exitosa en esta área está basada en un modelo de minimización de energía de curvas deformables bajo la influencia de fuerzas externas. En la presente memoria se trabajó en la implementación de uno de estos métodos y constó de dos partes. En la primera parte se implementó el algoritmo Topology Adaptive Snakes o T-Snakes. La propiedad esencial de este método es que admite cambios topológicos en las curvas (fusiones, cortes y destrucción), lo que permite segmentar objetos con formas altamente complejas minimizando la interacción humana en al proceso. En la segunda parte se implementó el algoritmo Edge Preserving Gradient Vector Flow (EPGVF) el cual genera los campos vectoriales que fuerzan las curvas a evolucionar hacia los bordes de objetos en la imagen. Este método se comparó con su algoritmo predecesor, Generalized Gradient Vector Flow (GGVF), sin que EPGVF presentara ventajas convincentes en las imágenes probadas.

La tesis se centra en la Visión por Computador y, más concretamente, en la segmentación de imágenes, la cual es una de las etapas básicas en el análisis de imágenes y consiste en la división de la imagen en un conjunto de regiones visualmente distintas y uniformes considerando su intensidad, color o textura.<br/>Se propone una estrategia basada en el uso complementario de la información de región y de frontera durante el proceso de segmentación, integración que permite paliar algunos de los problemas básicos de la segmentación tradicional. La información de frontera permite inicialmente identificar el número de regiones presentes en la imagen y colocar en el interior de cada una de ellas una semilla, con el objetivo de modelar estadísticamente las características de las regiones y definir de esta forma la información de región. Esta información, conjuntamente con la información de frontera, es utilizada en la definición de una función de energía que expresa las propiedades requeridas a la segmentación deseada: uniformidad en el interior de las regiones y contraste con las regiones vecinas en los límites. Un conjunto de regiones activas inician entonces su crecimiento, compitiendo por los píxeles de la imagen, con el objetivo de optimizar la función de energía o, en otras palabras, encontrar la segmentación que mejor se adecua a los requerimientos exprsados en dicha función. Finalmente, todo esta proceso ha sido considerado en una estructura piramidal, lo que nos permite refinar progresivamente el resultado de la segmentación y mejorar su coste computacional.<br/>La estrategia ha sido extendida al problema de segmentación de texturas, lo que implica algunas consideraciones básicas como el modelaje de las regiones a partir de un conjunto de características de textura y la extracción de la información de frontera cuando la textura es presente en la imagen.<br/>Finalmente, se ha llevado a cabo la extensión a la segmentación de imágenes teniendo en cuenta las propiedades de color y textura. En este sentido, el uso conjunto de técnicas no-paramétricas de estimación de la función de densidad para la descripción del color, y de características textuales basadas en la matriz de co-ocurrencia, ha sido propuesto para modelar adecuadamente y de forma completa las regiones de la imagen.<br/>La propuesta ha sido evaluada de forma objetiva y comparada con distintas técnicas de integración utilizando imágenes sintéticas. Además, se han incluido experimentos con imágenes reales con resultados muy positivos.<br>Image segmentation is an important research area in computer vision and many segmentation methods have been proposed. However, elemental segmentation techniques based on boundary or region approaches often fail to produce accurate segmentation results. Hence, in the last few years, there has been a tendency towards the integration of both techniques in order to improve the results by taking into account the complementary nature of such information. This thesis proposes a solution to the image segmentation integrating region and boundary information. Moreover, the method is extended to texture and colour texture segmentation.<br/>An exhaustive analysis of image segmentation techniques which integrate region and boundary information is carried out. Main strategies to perform the integration are identified and a classification of these approaches is proposed. Thus, the most relevant proposals are assorted and grouped in their corresponding approach. Moreover, characteristics of these strategies as well as the general lack of attention that is given to the texture is noted. The discussion of these aspects has been the origin of all the work evolved in this thesis, giving rise to two basic conclusions: first, the possibility of fusing several approaches to the integration of both information sources, and second, the necessity of a specific treatment for textured images.<br/>Next, an unsupervised segmentation strategy which integrates region and boundary information and incorporates three different approaches identified in the previous review is proposed. Specifically, the proposed image segmentation method combines the guidance of seed placement, the control of decision criterion and the boundary refinement approaches. The method is composed by two basic stages: initialisation and segmentation. Thus, in the first stage, the main contours of the image are used to identify the different regions present in the image and to adequately place a seed for each one in order to statistically model the region. Then, the segmentation stage is performed based on the active region model which allows us to take region and boundary information into account in order to segment the whole image. Specifically, regions start to shrink and expand guided by the optimisation of an energy function that ensures homogeneity properties inside regions and the presence of real edges at boundaries. Furthermore, with the aim of imitating the Human Vision System when a person is slowly approaching to a distant object, a pyramidal structure is considered. Hence, the method has been designed on a pyramidal representation which allows us to refine the region boundaries from a coarse to a fine resolution, and ensuring noise robustness as well as computation efficiency.<br/>The proposed segmentation strategy is then adapted to solve the problem of texture and colour texture segmentation. First, the proposed strategy is extended to texture segmentation which involves some considerations as the region modelling and the extraction of texture boundary information. Next, a method to integrate colour and textural properties is proposed, which is based on the use of texture descriptors and the estimation of colour behaviour by using non-parametric techniques of density estimation. Hence, the proposed strategy of segmentation is considered for the segmentation taking both colour and textural properties into account.<br/>Finally, the proposal of image segmentation strategy is objectively evaluated and then compared with some other relevant algorithms corresponding to the different strategies of region and boundary integration. Moreover, an evaluation of the segmentation results obtained on colour texture segmentation is performed. Furthermore, results on a wide set of real images are shown and discussed.

[EN] Over the last 20 years health system has been revolutionized by imaging technology so diagnostic imaging has become the mainstay of the management of patients. Nowadays, degeneration of the intervertebral discs, herniation and spinal stenosis are very common entities that affect millions of people and cause back pain. The development of computer-aided diagnosis (CAD) methods for classifying and quantifying these pathologies has increased in the past decade as a way to assist radiologists in the diagnosis task. So, the main objective of the first part of this Doctoral Thesis is the development of a CAD software for the classification and quantification of spine disease by means of Magnetic Resonance image analysis. To this end, two different groups of patients have been used, one as training group (14 patients) and the other as testing group (53 patients). To classify disc degeneration according to the gold standard, Pfirrmann classification, a method mainly based on the measurement of disc signal intensity and structure has been developed. The method developed to detect disc herniations has been focused on disc segmentation and its approximation by an ellipse, in this way it is possible to extract disc shape features for detecting contour abnormalities. The method developed to detect spinal stenosis, based on signal intensity, has been developed to extract the spinal canal and, by applying different techniques, to detect spinal stenosis at every intervertebral disc level and quantify the severity of the pathology. The results have shown a segmentation inaccuracy below 1%. Regarding reproducibility, it has been obtained an almost perfect agreement (measured by the k and ICC statistics) for all the analysed pathologies. The results have shown that the developed methods can assist radiologists to perform their decision-making tasks, providing support for enhanced reproducibility of MRI reports and achieving greater objectivity. However, not only the intervertebral discs are susceptible to suffer several pathologies. The vertebral bodies are also subject to a wide variety of diseases because of different circumstances. So, prior to any diagnosis task, an accurate detection and segmentation of the vertebral bodies are the first crucial steps. Therefore, the main objective of the second part of this Doctoral Thesis is the development of an automatic method for the detection and segmentation of the spine in Computed Tomography imaging. Performing an automatic and robust segmentation is a very challenging task due to the difficulty discriminating between the ribs and the vertebral bodies. To overcome this problem, two different segmentation methods have been combined: the first method uses a Level-Set method to perform an initial segmentation; the second method uses a probabilistic atlas to refine the initial segmentation with a special focus on ribs suppression. So a 3D volume indicating the probability of each voxel of belonging to the spine has been developed, by means of a set of images, corresponding to 14 patients (training group), manually segmented by an expert. The generated probability map has been deformed and adapted to each testing case. To evaluate the segmentation results and the improvement obtained after applying the atlas to the initial segmentation, the Dice similarity coefficient (DSC) and the Hausdorff distance (HD) have been used. The results have shown up an average of 11 mm of improvement in segmentation accuracy in terms of HD, obtaining an overall final average of 14,98 ± 1,32 mm. A refinement of 1,3 % has been obtained in terms of DSC, with a global value of 91,75 ± 1,20 %. The study has demonstrated that the atlas is able to detect and appropriately eliminate the ribs while improving the segmentation accuracy.<br>[ES] En los últimos 20 años el sistema sanitario se ha visto revolucionado por la tecnología de la imagen, por lo que el diagnóstico por imagen se ha convertido en un pilar fundamental en el manejo de los pacientes. Hoy en día la degeneración de los discos intervertebrales, la hernia discal y la estenosis del canal vertebral, son tres patologías que afectan a millones de personas y causan dolor de espalda. El desarrollo de sistemas CAD para clasificar y cuantificar estas patologías se ha incrementado en la última década como una forma de ayuda al radiólogo en el diagnóstico. Por tanto, la primera parte de esta Tesis Doctoral tiene como objetivo el desarrollo de un sistema CAD para la clasificación y cuantificación de la patología discal por medio del análisis de Imagen por Resonancia Magnética. Con este fin se han utilizado dos grupos de pacientes, uno como grupo de entrenamiento (14 pacientes) y el otro como grupo de prueba (53 pacientes). Para la clasificación de la degeneración discal se ha desarrollado un método basado en el cálculo de la estructura del disco y de su señal de intensidad. El método de detección de herniaciones se ha centrado en la segmentación del disco y su aproximación por una elipse, para extraer así información sobre la forma del disco. El método de detección de estenosis, basado en la señal de intensidad, ha sido desarrollado para extraer el canal vertebral y, con la aplicación de diferentes técnicas, detectar estrechamientos a la altura de los discos y cuantificar la gravedad de los mismos. Los resultados han demostrado una alta precisión en la segmentación, con un error inferior al 1 %. En cuanto a la reproducibilidad, se ha obtenido un acuerdo casi perfecto (medido con los coeficientes CCI y k) para todas las patologías analizadas. Los resultados obtenidos demuestran que los métodos desarrollados pueden servir de ayuda al radiólogo en el diagnóstico, mejorando la reproducibilidad y logrando una mayor objetividad. Sin embargo, no sólo los discos intervertebrales son susceptibles de sufrir alguna patología. Los cuerpos vertebrales también pueden sufrir lesiones por diversas circunstancias. No obstante, antes de realizar cualquier tarea de diagnóstico, llevar a cabo una detección y segmentación precisa de los cuerpos vertebrales es un primer paso crucial. Así pues, la segunda parte de esta Tesis Doctoral tiene como objetivo el desarrollo de un método automático para la detección y segmentación de la columna vertebral por medio del análisis de Tomografía Computarizada. Llevar a cabo una segmentación automática y precisa es una tarea complicada debido principalmente a la gran dificultad para distinguir entre los cuerpos vertebrales y las costillas. Para solucionar este problema se han combinado dos métodos de segmentación diferentes: el primero utiliza un método Level-Set para llevar a cabo una segmentación inicial; el segundo utiliza un atlas probabilístico, para refinar la segmentación inicial, con un enfoque especial en la supresión de las costillas. Por tanto, se ha obtenido un volumen 3D indicando la probabilidad de cada voxel de pertenecer o no a la columna vertebral, por medio de un conjunto de imágenes correspondientes a 14 pacientes segmentadas manualmente por un experto. El mapa de probabilidad generado ha sido deformado y adaptado a cada uno de los 7 pacientes del grupo de prueba. Para evaluar los resultados de la segmentación y la mejora obtenida después de aplicar el atlas a la segmentación inicial, se ha utilizado el coeficiente Dice (DSC) y la distancia Hausdorff (HD). Los resultados han demostrado una mejora en la precisión de la segmentación de 11 mm de media en términos de HD, con una media global de 14,98 ± 1,32 mm. En términos de DSC se ha obtenido una mejora de un 1,3 % , con una media global de 91,75 ± 1,20 %. El estudio ha demostrado que el atlas es capaz de detectar y eliminar apropiadamente las estructuras costales<br>[CAT] En els últims 20 anys el sistema sanitari s'ha vist revolucionat per la tecnologia de la imatge, per la qual cosa el diagnòstic per imatge s'ha convertit en un pilar fonamental en el maneig dels pacients. Hui en dia la degeneració dels discos intervertebrals, l'hèrnia discal i l'estenosi del canal vertebral, són tres patologies molt comunes que afecten milions de persones i causen dolor d'esquena. El desenvolupament de sistemes CAD per a classificar i quantificar estes patologies s'ha incrementat en l'última dècada com una forma d'ajuda al radiòleg en el diagnòstic. Per tant, la primera part d'aquesta Tesi Doctoral té com a objectiu el desenvolupament d'un sistema CAD per a la classificació i quantificació de la patologia discal per mitjà de l'anàlisi d'Imatge per Ressonància Magnètica. Amb aquest fi s'han utilitzat dos grups de pacients distints, un com a grup d'entrenament (14 pacients) i l'altre com a grup de prova (53 pacients). Per a la classificació de la degeneració discal, s'ha desenvolupat un mètode basat en el càlcul de l'estructura del disc i del seu senyal d'intensitat. El mètode de detecció d'herniacions s'ha centrat en la segmentació del disc i la seua aproximació per una el·lipse, per a extraure així informació sobre la forma del disc. El mètode de detecció d'estenosi, basat en el senyal d'intensitat, ha sigut desenvolupat per a extraure el canal vertebral i amb l'aplicació de diferents tècniques detectar estrenyiments a l'altura dels discos i quantificar la gravetat dels mateixos. Els resultats han demostrat una alta precisió en la segmentació, amb un error inferior a l'1 %. En quant a la reproduïbilitat, s'ha obtingut un acord quasi perfecte (mesurat amb els coeficients CCI i k) per a totes les patologies analitzades. Els resultats obtinguts demostren que els mètodes desenvolupats poden servir d'ajuda al radiòleg en el diagnòstic, millorant la reproduïbilitat i aconseguint una major objectivitat. No obstant això, no sols els discos intervertebrals són susceptibles de patir alguna patologia. Els cossos vertebrals també poden patir lesions per diverses circumstàncies. Per tant, abans de realitzar qualsevol tasca de diagnòstic, dur a terme una detecció i segmentació precisa dels cossos vertebrals és un primer pas crucial. Així, doncs, la segona part d'aquesta Tesi Doctoral té com a objectiu el desenvolupament d'un mètode automàtic per a la detecció i segmentació de la columna vertebral per mitjà de l'anàlisi de Tomografia Computada. Dur a terme una segmentació automàtica i precisa és una tasca complicada degut principalment a la gran dificultat per a distingir entre els cossos vertebrals i les costelles. Per a solucionar aquest problema s'han combinat dos mètodes de segmentació diferents: el primer utilitza un mètode Level-Set per a dur a terme una segmentació inicial; el segon utilitza un atles probabilístic, per a refinar la segmentació inicial amb un enfocament especial en la supressió de les costelles. Per tant, s'ha obtingut un volum 3D indicant la probabilitat de cada voxel de pertànyer o no a la columna vertebral, per mitjà d'un conjunt d'imatges corresponents a 14 pacients (grup d'entrenament) segmentades manualment per un expert. El mapa de probabilitat generat ha sigut deformat i adaptat a cadascun dels 7 pacients del grup de prova. Per a avaluar els resultats de la segmentació i la millora obtinguda després d'aplicar l'atles a la segmentació inicial, s'ha utilitzat el coeficient Dice (DSC) i la distància Hausdorff (HD). Els resultats han demostrat una millora en la precisió de la segmentació d'11 mm de mitja en termes de HD, amb una mitja global de 14,98 ± 1,32 mm. S'ha obtingut una millora d'un 1,3 % en termes de DSC, amb una mitja global de 91,75 ± 1,20 %. L'estudi ha demostrat que l'atles és capaç de detectar i eliminar apropiadament les estructures costals alhora que millora la precisió de la segmentació.<br>Ruiz España, S. (2016). CARACTERIZACIÓN CUANTITATIVA DE LA PATOLOGÍA DISCAL Y LUMBAR DEGENERATIVA MEDIANTE ANÁLISIS DE IMAGEN POR RESONANCIA MAGNÉTICA Y DETECCIÓN Y SEGMENTACIÓN DE LA COLUMNA VERTEBRAL EN PACIENTES ONCOLÓGICOS A PARTIR DEL ANÁLISIS DE IMAGEN EN TOMOGRAFÍA COMPUTARIZADA [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/68485<br>TESIS

La “inhomogeneidad” (falta d'homogeneïtat) d'intensitat és un problema ben conegut en la segmentació d'imatges, la qual cosa afecta la precisió dels mètodes de segmentació basats en la intensitat. En aquesta tesi, es proposen mètodes de contorn actiu basat en fronteres i regions per segmentar imatges inhomogènies. En primer lloc, s'ha proposat un mètode de contorn actiu basat en fronteres mitjançant Diferència de Gaussianes (DoG), que ajuda a segmentar l'estructura global de la imatge. En segon lloc, hem proposat un mètode de contorn actiu basat en regions per corregir i segmentar imatges inhomogènies. S'ha utilitzat un nucli de transformació de fase (phase stretch transform - PST) per calcular noves intensitats mitjanes i camps de polarització, que s'empren per definir una imatge ajustada de polarització. En tercer lloc, s'ha proposat un altre mètode de contorn actiu basat en regions utilitzant un funcional d'energia basat en imatges ajustades locals i globals. El camp de polarització s'aproxima amb una distribució Gaussiana i el biaix de les regions no homogènies es corregeix dividint la imatge original pel camp aproximat de polarització. Finalment, s'ha proposat un mètode híbrid de contorns actius multifàsic (quatre fases) per dividir una imatge de RM cerebral en tres regions diferents: matèria blanca (WM), matèria grisa (GM) i líquid cefaloraquidi (CSF). En aquest treball, també s'ha dissenyat un mètode de post-processat (correcció de píxels) per millorar la precisió de les regions WM, GM i CSF segmentades. S'han utilitzat resultats experimentals tant amb imatges sintètiques com amb imatges reals de RM del cervell per a una comparació quantitativa i qualitativa amb mètodes de contorns actius de l'estat de l'art per mostrar els avantatges de les tècniques de segmentació proposades.<br>La “inhomogeneidad” (falta de homogeneidad) de intensidad es un problema bien conocido en la segmentación de imágenes, lo que afecta la precisión de los métodos de segmentación basados en la intensidad. En esta tesis, se proponen métodos de contorno activo basado en bordes y regiones para segmentar imágenes inhomogéneas. En primer lugar, se ha propuesto un método de contorno activo basado en fronteras mediante Diferencia de Gaussianas (DoG), que ayuda a segmentar la estructura global de la imagen. En segundo lugar, hemos propuesto un método de contorno activo basado en regiones para corregir y segmentar imágenes inhomogéneas. Se ha utilizado un núcleo de transformación de fase (phase stretch transform - PST) para calcular nuevas intensidades medias y campos de polarización, que se emplean para definir una imagen ajustada de polarización. En tercer lugar, se ha propuesto otro método de contorno activo basado en regiones utilizando un funcional de energía basado en imágenes ajustadas locales y globales. El campo de polarización se aproxima con una distribución Gaussiana y el sesgo de las regiones no homogéneas se corrige dividiendo la imagen original por el campo aproximado de polarización. Finalmente, se ha propuesto un método híbrido de contornos activos multifásico (cuatro fases) para dividir una imagen de RM cerebral en tres regiones distintas: materia blanca (WM), materia gris (GM) y líquido cefalorraquídeo (CSF). En este trabajo, también se ha diseñado un método de post-procesado (corrección de píxeles) para mejorar la precisión de las regiones WM, GM y CSF segmentadas. Se han utilizado resultados experimentales tanto con imágenes sintéticas como con imágenes reales de RM del cerebro para una comparación cuantitativa y cualitativa con métodos de contornos activos del estado del arte para mostrar las ventajas de las técnicas de segmentación propuestas.<br>Intensity inhomogeneity is a well-known problem in image segmentation, which affects the accuracy of intensity-based segmentation methods. In this thesis, edge-based and region-based active contour methods are proposed to segment intensity inhomogeneous images. Firstly, we have proposed an edge-based active contour method based on the Difference of Gaussians (DoG), which helps to segment the global structure of the image. Secondly, we have proposed a region-based active contour method to both correct and segment intensity inhomogeneous images. A phase stretch transform (PST) kernel has been used to compute new intensity means and bias field, which are employed to define a bias fitted image. Thirdly, another region-based active contour method has been proposed using an energy functional based on local and global fitted images. Bias field is approximated with a Gaussian distribution and the bias of intensity inhomogeneous regions is corrected by dividing the original image by the approximated bias field. Finally, a hybrid region-based multiphase (four-phase) active contours method has been proposed to partition a brain MR image into three distinct regions: white matter (WM), gray matter (GM) and cerebrospinal fluid (CSF). In this work, a post-processing (pixel correction) method has also been devised to improve the accuracy of the segmented WM, GM and CSF regions. Experimental results with both synthetic and real brain MR images have been used for a quantitative and qualitative comparison with state-of-the-art active contour methods to show the advantages of the proposed segmentation techniques.

La neurocirugía es una de las especialidades más exigentes en cuanto a precisión en el procedimiento quirúrgico. Los neurocirujanos para realizar dichos procedimientos quirúrgicos pueden utilizar atlas cerebrales. Un atlas cerebral consta de imágenes del cerebro en las que expertos han identificado estructuras anatómicas y/o funcionales. Ya que no existen dos cerebros que sean iguales, es necesario adaptar el atlas cerebral a la anatomía específica del paciente. Mediante el registro con atlas cerebrales los expertos pueden identificar estructuras que difícilmente son visibles en la mayoría de modalidades de imagen médica. En esta tesis se presenta un nuevo método de registro entre atlas cerebrales e imágenes de Resonancia Magnética. Las hipótesis de trabajo son las siguientes: 1.Un atlas cerebral deformable que utilice funciones de base radial con soporte compacto y Modelos Activos de Apariencia permitirá localizar estructuras cerebrales en imágenes de RM con un error de 1 a 2 mm. Error del mismo orden que los actuales procedimientos quirúrgicos. 2. Las funciones de base radial con soporte compacto presentan ventajas frente a las funciones de base radial como la Thin Plate Spline en el problema de registro de imágenes. Dichas ventajas son: localidad de la transformación, control sobre la naturaleza de la transformación, menor coste computacional, y mayor estabilidad numérica. Para comprobar las hipótesis, se ha desarrollado: Un nuevo método de registro no rígido de atlas cerebrales en imágenes de RM basado en el uso de diferentes funciones de base radial con soporte compacto, dentro de las cuales, la función de base radial con soporte compacto de Wu se ha utilizado por primera vez en el campo de registro de imágenes médicas. Un método de segmentación del córtex y ventrículos en imágenes de RM basado en el atlas de Talairach-Tournoux junto con Modelos Activos de Apariencia. Un algoritmo que permite la reconstrucción tridimensional del atlas de Talairach<br>Ortega Pérez, M. (2009). Método de registro no rígido basado en funciones de base radial. Aplicación a neurocirugía utilizando atlas cerebrales [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/6865<br>Palancia

Aquesta tesi s'emmarca dins del pla integral de prevenció precoç de la Retinopatia Diabètica (RD) posat en marxa pel govern espanyol seguint les recomanacions de l'Organització Mundial de la Salut de promoure iniciatives que consciencien sobre la importància de fer revisions oculars regulars entre les persones amb diabetis. Per tal de poder determinar el nivell de retinopatia diabètica cal localitzar i identificar diferents tipus de lesions a la retina. Per poder fer-ho, cal que primer s'eliminin de la imatge les estructures anatòmiques normals de l'ull (vasos sanguinis, disc òptic i fòvea) a fi de fer més visibles les anomalies. Aquesta tesi s'ha centrat en aquest pas de neteja de la imatge. En primer lloc, aquesta tesi proposa un nou marc per a la segmentació ràpida i automàtica del disc òptic basat en la Teoria del Portafoli de Markowitz. En base a aquesta teoria es proposa un model innovador de fusió de colors capaç d'admetre qualsevol metodologia de segmentació en el camp de la imatge mèdica. Aquest enfoc s'estructura com una etapa de pre-processament potent i en temps real que es podria integrar-se a la pràctica clínica diària, permetent accelerar el diagnòstic de la DR a causa de la seva simplicitat, rendiment i velocitat. La segona contribució d'aquesta tesi és un mètode per fer simultàniament una segmentació dels vasos sanguinis i la detecció de la zona avascular foveal, reduint considerablement el temps de processament d'imatges. A més a més, el primer component de l'espai de color xyY (que representa els valors de crominància) és el que predomina en l'estudi dels diferents components de color desenvolupat en aquesta tesi, centrat en la segmentació dels vasos sanguinis i la detecció de fòvea. Finalment, es proposa una recopilació automàtica de mostres per fer una interpolació estadística del color i que són utilitzades en l'algorisme de segmentació de Convexity Shape Prior. La tesi també proposa un altre mètode de segmentació dels vasos sanguinis que es basa en una selecció de característiques efectiva basada arbres de decisions. S'ha aconseguit trobar les 5 característiques més rellevants per segmentar aquestes estructures oculars. La validació mitjançant tres tècniques de classificació diferents (arbres de decisions, xarxes neuronals i màquines de suport vectorial).<br>Esta tesis se enmarca dentro del plan integral de prevención contra la Retinopatía Diabética (RD), ejecutado por el Gobierno de España alineado a las políticas de la Organización Mundial de la Salud para promover iniciativas que conciencien a la población con diabetes sobre la importancia de exámenes oculares de manera periódica. Para poder determinar el nivel de retinopatía diabética hace falta localizar e identificar diferentes tipos de lesiones en la retina. Para conseguirlo primero se han de eliminar de la imagen las estructures anatómicas normales del ojo (vasos sanguíneos, disco óptico y fóvea) para hacer visibles las anomalías. Esta tesis se ha centrado en este paso de limpieza de la imagen. En primer lugar, esta tesis propone un novedoso enfoque para la segmentación rápida y automática del disco óptico basado en la Teoría de Portafolio de Markowitz. En base a esta teoría se propone un innovador modelo de fusión de color capaz de soportar cualquier metodología de segmentación en el campo de las imágenes médicas. Este enfoque se estructura como una etapa de preprocesamiento potente y en tiempo real que podría integrarse en la práctica clínica diaria para acelerar el diagnóstico de RD debido a su simplicidad, rendimiento y velocidad. La segunda contribución de esta tesis es un método para segmentar simultáneamente los vasos sanguíneos y detectar la zona avascular foveal, reduciendo considerablemente el tiempo de procesamiento para tal tarea. Adicionalmente, la primera componente del espacio de color xyY (que representa los valores de crominancia) es la que predomina del estudio de las diferentes componentes de color realizado en esta tesis para la segmentación de vasos sanguíneos y la detección de la fóvea. Finalmente, se propone una recolección automática de muestras para interpolarlas basadas en la información estadística de color y que a su vez son la base del algoritmo Convexity Shape Prior. La tesis también propone otro método de segmentación de vasos sanguíneos basado en una selección efectiva de características soportada en árboles de decisión. Se ha conseguido encontrar las 5 características más relevantes para la segmentación de estas estructuras oculares. La validación utilizando tres técnicas de clasificación (árbol de decisión, red neuronal artificial y máquina de soporte vectorial).<br>This thesis is framed within the comprehensive plan for early prevention of Diabetic Retinopathy (DR) launched by the Spain government following the World Health Organization to promote initiatives that raise awareness of the importance of regular eye exams among people with diabetes. To determine the level of diabetic retinopathy, we need to find and identify different types of lesions in the eye fundus. First, the normal anatomic structures of the eye (blood vessels, optic disc and fovea) must be removed from the image, in order to make visible the abnormalities. This thesis has focused on this step of image cleaning. This thesis proposes a novel framework for fast and fully automatic optic disc segmentation based on Markowitz's Modern Portfolio Theory to generate an innovative color fusion model capable of admitting any segmentation methodology in the medical imaging field. This approach acts as a powerful and real-time pre-processing stage that could be integrated into daily clinical practice to accelerate the diagnosis of DR due to its simplicity, performance, and speed. This thesis's second contribution is a method to simultaneously make a blood vessel segmentation and foveal avascular zone detection, considerably reducing the required image processing time. In addition, the first component of the xyY color space representing the chrominance values is the most supported according to the approach developed in this thesis for blood vessel segmentation and fovea detection. Finally, several samples are collected for a color interpolation procedure based on statistic color information and are used by the well-known Convexity Shape Prior segmentation algorithm. The thesis also proposes another blood vessel segmentation method that relies on an effective feature selection based on decision tree learning. This method is validated using three different classification techniques (i.e., Decision Tree, Artificial Neural Network, and Support Vector Machine).

[EN] Image segmentation is, along with multimodal and monomodal registration, the operation with the greatest applicability in medical image processing. There are many operations and filters, as much as applications and cases, where the segmentation of an organic tissue is the first step. The case of liver segmentation in radiological images is, after the brain, that on which the highest number of scientific publications can be found. This is due, on the one hand, to the need to continue innovating in existing algorithms and, on the other hand, to the applicability in many situations related to diagnosis, treatment and monitoring of liver diseases but also for clinical planning. In the case of magnetic resonance imaging (MRI), only in recent years some solutions have achieved good results in terms of accuracy and robustness in the segmentation of the liver. However these algorithms are generally not user-friendly. In the case of computed tomography (CT) scans more methodologies and solutions have been developed but it is difficult to find a good trade-off between accuracy and practical clinical use. To improve the state-of-the-art in both cases (MRI and CT), a common methodology to design and develop two liver segmentation algorithms in those imaging modalities has been proposed in this thesis. The second step has been the validation of both algorithms. In the case of CT images, there exist public databases with images segmented manually by experts that the scientific community uses as a common link for the validation and comparison of their algorithms. The validation is done by obtaining certain coefficients of similarity between the manual and the automatic segmentation. This way of validating the accuracy of the algorithm has been followed in this thesis, except in the case of magnetic resonance imaging because, at present, there are no databases publicly available. In this case, there aren't public or accessible images. Accordingly, a private database has been created where several expert radiologists have manually segmented different studies of patients that have been used as a reference. This database is composed by 17 studies (with more than 1,500 images), so the validation of this method in MRI is one of the more extensive currently published. In the validation stage, an accuracy above 90% in the Jaccard and Dice coefficients has been achieved. The vast majority of the compared authors achieves similar values. However, in general, the algorithms proposed in this thesis are more user-friendly for clinical environments because the computational cost is lower, the clinical interaction is non-existent and it is not necessary an initiation in the case of the magnetic resonance algorithm and a small initiation (it is only necessary to introduce a manual seed) for the computed tomography algorithm. In this thesis, a third hypothesis that makes use of the results of liver segmentation in MRI combined to augmented reality algorithms has also been developed. Specifically, a real and innocuous study, non-invasive for clinician and patient has been designed and validated through it has been shown that the use of this technology creates benefits in terms of greater accuracy and less variability versus the non-use in a particular case of laparoscopic surgery.<br>[ES] La segmentación de imágenes es, junto al registro multimodal y monomodal, la operación con mayor aplicabilidad en tratamiento digital de imagen médica. Son multitud las operaciones y filtros, así como las aplicaciones y casuística, que derivan de una segmentación de un tejido orgánico. El caso de segmentación del hígado en imágenes radiológicas es, después del cerebro, la que mayor número de publicaciones científicas podemos encontrar. Esto es debido por un lado a la necesidad de seguir innovando en los algoritmos ya existentes y por otro a la gran aplicabilidad que tiene en muchas situaciones relacionadas con el diagnóstico, tratamiento y seguimiento de patologías hepáticas pero también para la planificación clínica de las mismas. En el caso de imágenes de resonancia magnética, sólo en los últimos años han aparecido soluciones que consiguen buenos resultados en cuanto a precisión y robustez en la segmentación del hígado. Sin embargo dichos algoritmos, por lo general son poco utilizables en el ambiente clínico. En el caso de imágenes de tomografía computarizada encontramos mucha más variedad de metodologías y soluciones propuestas pero es difícil encontrar un equilibrio entre precisión y uso práctico clínico. Es por ello que para mejorar el estado del arte en ambos casos (imágenes de resonancia magnética y tomografía computarizada) en esta tesis se ha planteado una metodología común a la hora de diseñar y desarrollar sendos algoritmos de segmentación del hígado en las citadas modalidades de imágenes anatómicas. El segundo paso ha sido la validación de ambos algoritmos. En el caso de imágenes de tomografía computarizada existen bases de datos públicas con imágenes segmentadas manualmente por expertos y que la comunidad científica suele utilizar como nexo común a la hora de validar y posteriormente comparar sus algoritmos. La validación se hace mediante la obtención de determinados coeficientes de similitud entre la imagen segmentada manualmente por los expertos y las que nos proporciona el algoritmo. Esta forma de validar la precisión del algoritmo ha sido la seguida en esta tesis, con la salvedad que en el caso de imágenes de resonancia magnética no existen bases de datos de acceso público. Por ello, y para este caso, lo que se ha hecho es la creación previa de una base de datos propia donde diferentes expertos radiólogos han segmentado manualmente diferentes estudios de pacientes con el fin de que puedan servir como referencia y se pueda seguir la misma metodología que en el caso anterior. Dicha base de datos ha hecho posible que la validación se haga en 17 estudios (con más de 1.500 imágenes), lo que convierte la validación de este método de segmentación del hígado en imágenes de resonancia magnética en una de las más extensas publicadas hasta la fecha. La validación y posterior comparación han dejado patente una precisión superior al 90% reflejado en el coeficiente de Jaccard y Dice, muy en consonancia con valores publicados por la inmensa mayoría de autores que se han podido comparar. Sin embargo, y en general, los algoritmos planteados en esta tesis han obtenido unos criterios de uso mucho mayores, ya que en general presentan menores costes de computación, una interacción clínica casi nula y una iniciación nula en el caso del algoritmo de resonancia magnética y casi nula en el caso de algoritmos de tomografía computarizada. En esta tesis, también se ha abordado un tercer punto que hace uso de los resultados obtenidos en la segmentación del hígado en imágenes de resonancia magnética. Para ello, y haciendo uso de algoritmos de realidad aumentada, se ha diseñado y validado un estudio real inocuo y no invasivo para el clínico y para el paciente donde se ha demostrado que la utilización de esta tecnología reporta mayores beneficios en cuanto a mayor precisión y menor variabilidad frente a su no uso en un caso concreto de ciru<br>[CAT] La segmentació d'imatges és, al costat del registre multimodal i monomodal, l'operació amb major aplicabilitat en tractament digital d'imatge mèdica. Són multitud les operacions i filtres, així com les aplicacions i casuística, que comencen en la segmentació d'un teixit orgànic. El cas de segmentació del fetge en imatges radiològiques és, després del cervell, la que major nombre de publicacions científiques podem trobar. Això és degut per una banda a la necessitat de seguir innovant en els algoritmes ja existents i per un altre a la gran aplicabilitat que té en moltes situacions relacionades amb el diagnòstic, tractament i seguiment de patologies hepàtiques però també per a la planificació clínica de les mateixes. En el cas d'imatges de ressonància magnètica, només en els últims anys han aparegut solucions que aconsegueixen bons resultats quant a precisió i robustesa en la segmentació del fetge. No obstant això aquests algoritmes, en general són poc utilitzables en l'ambient clínic. En el cas d'imatges de tomografia computeritzada trobem molta més varietat de metodologies i solucions proposades però és difícil trobar un equilibri entre precisió i ús pràctic clínic. És per això que per millorar l'estat de l'art en els dos casos (imatges de ressonància magnètica i tomografia computeritzada) en aquesta tesi s'ha plantejat una metodologia comuna a l'hora de dissenyar i desenvolupar dos algoritmes de segmentació del fetge en les esmentades modalitats d'imatges anatòmiques. El segon pas ha estat la validació de tots dos algoritmes. En el cas d'imatges de tomografia computeritzada hi ha bases de dades públiques amb imatges segmentades manualment per experts i que la comunitat científica sol utilitzar com a nexe comú a l'hora de validar i posteriorment comparar els seus algoritmes. La validació es fa mitjançant l'obtenció de determinats coeficients de similitud entre la imatge segmentada manualment pels experts i les que ens proporciona l'algoritme. Aquesta forma de validar la precisió de l'algoritme ha estat la seguida en aquesta tesi, amb l'excepció que en el cas d'imatges de ressonància magnètica no hi ha bases de dades d'accés públic. Per això, i per a aquest cas, el que s'ha fet és la creació prèvia d'una base de dades pròpia on diferents experts radiòlegs han segmentat manualment diferents estudis de pacients amb la finalitat que puguen servir com a referència i es puga seguir la mateixa metodologia que en el cas anterior. Aquesta base de dades ha fet possible que la validació es faja en 17 estudis (amb més de 1.500 imatges), cosa que converteix la validació d'aquest mètode de segmentació del fetge en imatges de ressonància magnètica en una de les més extenses publicades fins a la data. La validació i posterior comparació han deixat patent una precisió superior al 90 \% reflectit en el coeficient de \ textit {Jaccard} i \ textit {Dice}, molt d'acord amb valors publicats per la immensa majoria d'autors en que s'ha pogut comparar. No obstant això, i en general, els algoritmes plantejats en aquesta tesi han obtingut uns criteris d'ús molt més grans, ja que en general presenten menors costos de computació, una interacció clínica quasi nul·la i una iniciació nul·la en el cas de l'algoritme de ressonància magnètica i quasi nul·la en el cas d'algoritmes de tomografia computeritzada. En aquesta tesi, també s'ha abordat un tercer punt que fa ús dels resultats obtinguts en la segmentació del fetge en imatges de ressonància magnètica. Per a això, i fent ús d'algoritmes de realitat augmentada, s'ha dissenyat i validat un estudi real innocu i no invasiu per al clínic i per al pacient on s'ha demostrat que la utilització d'aquesta tecnologia reporta més beneficis pel que fa a major precisió i menor variabilitat enfront del seu no ús en un cas concret de cirurgia amb laparoscòpia.<br>López Mir, F. (2015). Advanced techniques in medical image segmentation of the liver [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/59428<br>TESIS<br>Premiado