| Revista: | Revista mexicana de ingeniería biomédica |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000407540 |
| ISSN: | 0188-9532 |
| Autores: | Castellanos Abrego, Norma Pilar1 |
| Instituciones: | 1Universidad Autónoma Metropolitana, Departamento de Ingeniería Eléctrica, Iztapalapa, Distrito Federal. México |
| Año: | 2010 |
| Periodo: | Dic |
| Volumen: | 31 |
| Número: | 2 |
| Paginación: | 96-102 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | Una tranformación geométrica tridimensional (3D) se presenta para el registro de imágenes médicas como la extensión de un trabajo previo desarrollado para dos dimensiones. La tranformación espacial 3D es analizada con la intención de garantizar la continuidad, la diferenciabilidad y la relación uniquívoca mediante la imposición de restricciones a los parámetros de la tranformación. Se demuestran y analizan los resultados cuando el registro no rígido completamente automático es aplicado a un conjunto de imágenes de tórax con una resolución espacial de 128x128x 128 pixeles adquiridas por el método de la tomografía computarizada asociada a la tomografía de emisión de positrones (PET-CT). La tranformación geométrica 3D tiene un dominio esférico que permite la continuidad de la transformación en su frontera. Esta transformación geométrica puede ser aplicada a regiones de interés locales o globales hasta un diámetro mínimo de 3 pixeles. El método de registro no rígido utiliza un algoritmo evolutivo para obtener resultados globales satisfactorios mientras que maximiza la información mutua normalizada. Esta propuesta tiene la desventaja de que la velocidad de convergencia y la precisión del método depende del tamaño de la población en el algoritmo evolutivo. Los resultados demuestran una mejora en la función de similitud global entre los volúmenes fuente y destino a través de 73 transformaciones, desde burdos hasta finos (en 3 niveles de resolución), de 0.5017 a 0.5033 usando un tamaño de población de 10 individuos. Las reconstrucciones 3D del tórax también se muestran antes y después de la transformación no rígida. Además, experimentos de simulación fueron desarrollados con imágenes tomadas de un estudio del cráneo por resonancia magnética utilizando sólo una transformación. Aquí, se obtuvo una mejora en el criterio de similitud desde 0.5046 a 0.5218 |
| Resumen en inglés | A 3D geometric transformation is introduced for the nonrigid registration of medical images as an extension of a previous work carried out for two dimensions. A 3D spatial transformation is analyzed in order to guaranty the continuity, the differentiability and the one-to-one transformation by imposing constraints to the transformation parameters. It is also shown and analyzed the results when the fully automatic nonrigid registration method is applied to a CT-PET stack of the thorax with a spatial resolution of 80 x 80 x 80 and to a RM head stack with a spatial resolution of 128 x 128 x 128 pixels. The 3D geometric transformation has a spherical domain and it allows the continuity of the transformation in its boundary. This geometrical transformation can be applied to global or local ROIs (region of interest) up to a minimum diameter of three pixels. The nonrigid image registration method employs an evolutionary algorithm to obtain satisfactory global solutions while it maximizes the normalized mutual information (NMI). This approach has the disadvantage that the speed of convergence and the accuracy of the method depend on the population size of the evolutionary algorithm. Results show an improvement in the global similarity function between the target and source volumes throughout 73 transformations, from coarse to fine (3 levels of resolution), from 0.501 7 to 0.5033, using a population size of 10 individuals. 3D surface reconstructions of the thorax are also shown before and after the nonrigid registration. In addition, a simulated experiment is carried out with a RM head stack, where a unique transformation was applied. Here, it was got an improvement in the similarity criterion from 0.5046 to 0.5218 |
| Disciplinas: | Medicina, Ciencias de la computación |
| Palabras clave: | Anatomía humana, Procesamiento de datos, Imágenes médicas, Registro no rígido, Transformación geométrica |
| Keyword: | Medicine, Computer science, Human anatomy, Data processing, Medical images, Non-rigid registration, Geometric transformation |
| Texto completo: | Texto completo (Ver HTML) |
