High grade glioma segmentation in magnetic resonance imaging.
Through this work we propose a computational technique for the segmentation of magnetic resonance images (MRI) of a brain tumor, identified as high grade glioma (HGG), specifically grade III anaplastic astrocytoma. This technique consists of 3 stages developed in the threedimensional domain. They ar...
| Publicado en: | Revista Latinoamericana de Hipertensión Vol. 13; no. 4; pp. 323 - 330 |
|---|---|
| Autores principales: | , , , , , , , , , , , , , , |
| Formato: | Artículo |
| Publicado: |
Revista Latinoamericana de Hipertension
2018
|
| Materias: | |
| Acceso en línea: | Ver este registro en EBSCOhost |
| fields | @attributes: recordID: 1 pdfLink: plink: https://search.ebscohost.com/login.aspx?direct=true&db=lth&AN=133574315&site=ehost-live header: @attributes: shortDbName: lth uiTerm: 133574315 longDbName: MedicLatina uiTag: AN controlInfo: bkinfo: jinfo: jid: 18564550 FICN jtl: Revista Latinoamericana de Hipertensión issn: 18564550 maglogo: N pubinfo: dt: 2018 vid: 13 iid: 4 pid: 81901 pub: Revista Latinoamericana de Hipertension artinfo: ui: 133574315 ppf: 323 ppct: 7 formats: fmt: @attributes: type: P size: 809KB tig: atl: High grade glioma segmentation in magnetic resonance imaging. aug: au: Vera, Miguel Huérfano, Yoleidy Martinez, Luis Javier Contreras, Yudith Salazar, Williams Vera, Maria Isabel Valbuena, Oscar Borrero, Maryury Hernéndez, Carlos Barrera, Doris Molina, Angel Valentin Salazar, Juan Gelvez, Elkin Séenz, Frank Arias, Yeny affil: Universidad Simón Bolivar, Facultad de Ciencias Básicas y Biomédicas, Cúcuta, Colombia Grupo de Investigación en Procesamiento Computacional de Datos (GIPCD-ULA), Universidad de Los Andes-Táchira, Venezuela Grupo de Investigación en Ingeniería Clínica - HUS (GINIC-HUS), Vicerrectoría de Investigación, Universidad ECCI Servicio de Neurología, Hospital Central de San Cristóbal-Táchira, Venezuela Grupo de Investigación en Educacion Matemática, Matemática y Estadistica (EDUMATEST), Facultad de Ciencias Básicas, Universidad de Pamplona Universidad Simón Bolivar, Facultad de Ingeniería, Cúcuta, Colombia su: Magnetic resonance imaging Brain imaging Image processing Brain tumors Gliomas sug: subj: Magnetic resonance imaging Brain imaging Image processing Brain tumors Gliomas keyword: Cerebral tumor Computational technique Grade III anaplastic astrocytoma High grade glioma Magnetic resonance brain imaging Segmentation anaplasico de grado III Imagenes cerebrales por resonancia magnética Segmentacion Técnica computacional ab: Through this work we propose a computational technique for the segmentation of magnetic resonance images (MRI) of a brain tumor, identified as high grade glioma (HGG), specifically grade III anaplastic astrocytoma. This technique consists of 3 stages developed in the threedimensional domain. They are: pre-processing, segmentation and post-processing. The pre-processing stage uses a thresholding technique, morphological erosion filter (MEF), in gray scale, followed by a median filter and a gradient magnitude algorithm. On the other hand, in order to obtain a HGG preliminary segmentation, during the segmentation stage a clustering algorithm called region growing (RG) is implemented and it is applied to the preprocessed images. The RG requires, for its initialization, a seed voxel whose coordinates are obtained, automatically, through the training and validation of an intelligent operator based on support vector machines (SVM). Due to the high sensitivity of the RG to the location of the seed, the SVM is implemented as a highly selective binary classifier. During the post-processing stage, a morphological dilation filter is applied to preliminary segmentation generated by RG. The percent relative error (PrE) is considered by comparing the segmentations of the HGG, generated manually by a neuro-oncologist, with the dilated segmentations of the HGG, obtained automatically. The combination of parameters linked to the lowest PrE, allows establishing the optimal parameters of each computational algorithms that make up the proposed computational technique. The obtained results allow reporting a PrE of 11.10%, which indicates a good correlation between the manual segmentations and those produced by the computational technique developed. A través de este trabajo se propone una técnica computacional para la segmentacion de un tumor cerebral, identificado como un glioma de alto grado (HGG) de tipo astrocitoma anaplasico de grado III, que esta presente en las imagenes de resonancia magnética (MRI). Esta técnica consta de 3 etapas desarrolladas en el dominio tridimensional. Ellas son: preprocesamiento, segmentacion y postprocesamiento. La etapa de preprocesamiento utiliza una técnica de umbralizacion, un filtro de erosion morfologica (MEF), en escala de grises, seguido de un filtro de mediana y de un algoritmo de magnitud de gradiente. Por otro lado, con el proposito de generar una segmentacion preliminar del HGG, durante la etapa de segmentacion se implementa un algoritmo de agrupamiento, llamado crecimiento de regiones (RG), que se aplica a las imagenes preprocesadas. El RG requiere para su inicializacion la ubicacion de un voxel semilla cuyas coordenadas se obtienen, automaticamente, a través del entrenamiento y la validacion de un operador inteligente basado en maquinas de vectores de soporte (SVM). Debido a la alta sensibilidad del RG a la ubicacion de la semilla, la SVM se implementa como un clasificador binario altamente selectivo. Durante la etapa de post-procesamiento, se aplica un filtro de dilatacion morfologica a la segmentacion preliminar, generada por RG. El error relativo porcentual (PrE) se considera para comparar las segmentaciones de la HGG generadas de forma manual por un neurooncologo, con las segmentaciones dilatadas de la HGG, obtenidas automaticamente. La combinacion de parametros vinculados al PrE mas bajo permite establecer los parametros optimos de cada uno de los algoritmos computacionales que componen la técnica computacional propuesta. Los resultados obtenidos permiten reportar un PrE de 11.10%, lo cual indica una buena correlacion entre las segmentaciones manuales y las producidas por la técnica computacional desarrollada. pubtype: Academic Journal doctype: Article src: R language: English refInfo: copyright: @attributes: flag: Y custom: Copyright of Revista Latinoamericana de Hipertensión is the property of Revista Latinoamericana de Hipertension and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. item: Revista Latinoamericana de Hipertensión holder: Revista Latinoamericana de Hipertension dt: @attributes: year: 2018 holdings: @attributes: islocal: N |
|---|