Resumen de Modelado de órganos en imagen médica
Juan Ignacio Pulido Trullen
Este trabajo se enmarca en la segmentación y modelado de imágenes médicas, utilizando modelos deformables, Las principales aportaciones se han obtenido en la mejora de modelos deformables existentes para dotarles de la capacidad de reconocer, en imágenes difíciles donde dos objetos muy cercanos se confunden, al objeto de interés. El modelo que se presenta para resolverlo son los "Smart Snakes". Estos se han probado como una técnica robusta para la segmentación de contornos de difícil diferenciación. Este tipo de contornos activos son fruto de diferentes mejoras y soluciones implementadas para resolver problemas conocidos en su ámbito. Se han realizado diversas pruebas en las que se incluyen una serie de aportaciones de carácter general en el terreno de los contornos activos, así como la elección de valores para diversos parámetros en función de diferentes factores. Además, se ha llevado a cabo a la validación de los Smart Snakes para lo que se han sometido a estos a las solución de varios casos problemáticos donde los modelos deformables clásicos fallan. Finalmente se plantea una discusión a la luz de los resultados obtenidos.
Se presentan también tres aplicaciones, provenientes de proyectos de investigación, en los que se han probado los "smart snakes":
o Reconocimiento y modelado de la rodilla y del fémur-cadera a partir de imágenes de CT (CONSID P-79/96).
o Reconocimiento y modelado de la articulación temporo-mandibular a partir de imágenes de RM (CYCIT DPI2000-1269-C02-01).
También se aborda el tema de la generación automática o semiatutomética de mallas durante el proceso de reconocimiento de órganos, con el objetivo de poder hacer simulaciones mecánicas de dichos órganos y poder estudiar su comportamiento. En este capítulo se describe el trabajo realizado para su utilización en simulación, concretamente para su uso en el método de los elementos finitos.
Se ha desarrollado íntegramente una herramienta inf
