Low grade glioma segmentation using an automatic computational technique in magnetic resonance imaging.
Through this work we propose a computational technique for the segmentation of a brain tumor, identified as low grade glioma (LGG), specifically grade II astrocytoma, which is present in magnetic resonance images (MRI). This technique consists of 3 stages developed in the three-dimensional domain. T...
| Published in: | Archivos Venezolanos de Farmacología y Terapéutica Vol. 37; no. 4; pp. 349 - 355 |
|---|---|
| Main Authors: | , , , , , , , , , , , , , , , |
| Format: | Article |
| Published: |
Archivos Venezolanos de Farmacologia y Terapeutica
10/1/2018
|
| Subjects: | |
| Online Access: | View this record in EBSCOhost |
| fields | @attributes: recordID: 1 pdfLink: plink: https://search.ebscohost.com/login.aspx?direct=true&db=lth&AN=133820301&site=ehost-live header: @attributes: shortDbName: lth uiTerm: 133820301 longDbName: MedicLatina uiTag: AN controlInfo: bkinfo: jinfo: jid: 07980264 1CFT jtl: Archivos Venezolanos de Farmacología y Terapéutica issn: 07980264 maglogo: N pubinfo: dt: 10/1/2018 vid: 37 iid: 4 pid: 24188 pub: Archivos Venezolanos de Farmacologia y Terapeutica artinfo: ui: 133820301 ppf: 349 ppct: 6 formats: fmt: @attributes: type: P size: 1.4MB tig: atl: Low grade glioma segmentation using an automatic computational technique in magnetic resonance imaging. aug: au: Vera, Miguel Huérfano, Yoleidy Valbuena, Oscar Contreras, Yudith Cuberos, María Vivas, Marisela Salazar, Williams Vera, María Isabel Borrero, Maryury Hernández, Carlos Barrera, Doris Molina, Ángel Valentín Martínez, Luis Javier Salazar, Juan Gelvez, Elkin Sáenz, Frank affil: Universidad Simón Bolívar, 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 Educación Matemática, Matemática y Estadística (EDUMATEST), Facultad de Ciencias Básicas, Universidad de Pamplona Universidad Simón Bolívar, Facultad de Administración y Negocios, Cúcuta, Colombia Universidad Simón Bolívar, Departamento de Ciencias Sociales y Humanas, Cúcuta, Colombia Servicio de Neurología, Hospital Central de San Cristóbal-Táchira, Venezuela Grupo de Investigación en Ingeniería Clínica - HUS (GINIC-HUS), Vicerrectoría de Investigación, Universidad ECCI Universidad Simón Bolívar, Facultad de Ingeniería, Cúcuta, Colombia su: Magnetic resonance imaging Image segmentation Computed tomography Gliomas Brain tumors sug: subj: Magnetic resonance imaging Image segmentation Computed tomography Gliomas Brain tumors keyword: Astrocitoma de grado II Gliomas de bajo grado Imágenes cerebrales por resonancia magnética Segmentación Técnica computacional Tumor cerebral Cerebral tumor Computational technique Grade II astrocytoma Low grade glioma Magnetic resonance brain imaging Segmentation ab: Through this work we propose a computational technique for the segmentation of a brain tumor, identified as low grade glioma (LGG), specifically grade II astrocytoma, which is present in magnetic resonance images (MRI). This technique consists of 3 stages developed in the three-dimensional domain. They are: pre-processing, segmentation and postprocessing. The percent relative error (PrE) is considered to compare the segmentations of the LGG, generated by a neuro- oncologist manually, with the dilated segmentations of the LGG, obtained automatically. The combination of parameters linked to the lowest PrE, allow establishing the optimal parameters of each computational algorithm that makes up the proposed computational technique. The results allow reporting a PrE of 1.43%, which indicates an excellent correlation between the manual segmentations and those produced by the computational technique developed. Por medio de este trabajo proponemos una técnica computacional para la segmentación de un tumor cerebral, identificado como glioma de bajo grado (LGG), específicamente astrocitoma de grado II, que está presente en imágenes de resonancia magnética (MRI). Esta técnica consiste en 3 etapas desarrolladas en el dominio tridimensional. Ellos son: pre procesamiento, segmentación y post procesamiento. El porcentaje de error relativo (PrE) se considera para comparar las segmentaciones de la LGG, generadas por un neurooncólogo de forma manual, con las segmentaciones dilatadas de la LGG, obtenidas automáticamente. La combinación de parámetros vinculados al PrE más bajo permite establecer los parámetros óptimos de cada algoritmo computacional que compone la técnica computacional propuesta. Los resultados permiten informar un PrE de 1.43%, lo que indica una excelente correlación 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 Archivos Venezolanos de Farmacología y Terapéutica is the property of Archivos Venezolanos de Farmacologia y Terapeutica 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: Archivos Venezolanos de Farmacología y Terapéutica holder: Archivos Venezolanos de Farmacologia y Terapeutica dt: @attributes: year: 2018 holdings: @attributes: islocal: N |
|---|