Segmentación rápida del ventrículo derecho en cine-MRI a partir de una representación densa de Hough
Autores/as
- Fabio Martínez Carrillo Universidad Industrial de Santander
-
Alejandra Moreno
Universidad Industrial de Santander
https://orcid.org/0000-0002-2066-6710
- Luis Carlos Guayacán Universidad Industrial de Santander
-
Lola Bautista
Universidad Industrial de Santander
https://orcid.org/0000-0002-3853-007X
- Jean Pico Universidad Industrial de Santander
DOI:
https://doi.org/10.33571/rpolitec.v18n35a6Palabras clave:
Transformada densa de Hough, Caracterización del corazón, Segmentación del VD, Clasificación de enfermedades cardiacas, Secuencias cardiacas MRIResumen
La segmentación del Ventrículo Derecho (VD) es esencial para el diagnóstico de múltiples patologías y condiciones cardiacas. Sin embargo, su delineación manual es una tarea tediosa y el soporte computacional resulta complejo debido a la variabilidad geométrica y dinámica. Este trabajo introduce una transformación y representación densa de Hough (TH) que permite una caracterización no paramétrica de la forma, codificando cada vóxel por su curvatura y orientación. Esta representación es integrada en un enfoque de seguimiento bayesiano, que logra de forma eficiente segmentar la estructura del VD, a lo largo del ciclo cardíaco. El enfoque propuesto fue evaluado en un conjunto de datos públicos, con 16 pacientes, logrando un coeficiente Sørensen-Dice de 0,87 y 0,92, para volúmenes completos y estructuras basales, respectivamente. Estos resultados evidencian una adecuada adaptación del modelo propuesto respecto a la forma del VD a lo largo de todo el ciclo cardíaco.
Métricas de artículo
Resumen: 331 PDF: 128 HTML: 46Métricas PlumX
Citas
World Health Organization. (2019). World health statistics 2019: monitoring health for the SDGs, sustaina-ble development goals. World Health Organization.
Labrador, A. M. A., Martínez, F., & Castro, E. R. (2013, November). A novel right ventricle segmentation approach from local spatio-temporal MRI information. In Iberoamerican Congress on Pattern Recognition (pp. 206-213). Springer, Berlin, Heidelberg.
Bernard, O., Lalande, A., Zotti, C., Cervenansky, F., Yang, X., Heng, P. A., ... & Jodoin, P. M. (2018). Deep learning techniques for automatic MRI cardiac multi-structures segmentation and diagnosis: Is the problem solved? IEEE transactions on medical imaging, 37(11), 2514-2525.
Petitjean, C., Zuluaga, M. A., Bai, W., Dacher, J. N., Grosgeorge, D., Caudron, J., ... & Yuan, J. (2015). Right ventricle segmentation from cardiac MRI: a collation study. Medical image analysis, 19(1), 187-202.
Vanderpool, R. R., Pinsky, M. R., Naeije, R., Deible, C., Kosaraju, V., Bunner, C., ... & Simon, M. A. (2015). RV-pulmonary arterial coupling predicts outcome in patients referred for pulmonary hypertension. Heart, 101(1), 37-43.
Buchner, S., Eglseer, M., Debl, K., Hetzenecker, A., Luchner, A., Husser, O., ... & Arzt, M. (2015). Sleep disordered breathing and enlargement of the right heart after myocardial infarction. European Respiratory Journal, 45(3), 680-690.
Gilbert, K., Lam, H. I., Pontré, B., Cowan, B. R., Occleshaw, C. J., Liu, J. Y., & Young, A. A. (2017). An interactive tool for rapid biventricular analysis of congenital heart disease. Clinical physiology and functional imaging, 37(4), 413-420.
Petitjean, C., & Dacher, J. N. (2011). A review of segmentation methods in short axis cardiac MR imag-es. Medical image analysis, 15(2), 169-184.
Winter, M. M., Bernink, F. J., Groenink, M., Bouma, B. J., van Dijk, A. P., Helbing, W. A., ... & Mulder, B. J. (2008). Evaluating the systemic right ventricle by CMR: the importance of consistent and reproducible de-lineation of the cavity. Journal of Cardiovascular Magnetic Resonance, 10(1), 1-8.
Tran, P. V. (2016). A fully convolutional neural network for cardiac segmentation in short-axis MRI. arXiv preprint arXiv:1604.00494.
El-Rewaidy, H., Ibrahim, E. S., & Fahmy, A. S. (2016). Segmentation of the right ventricle in MRI images using a dual active shape model. IET Image Processing, 10(10), 717-723.
Sedai, S., Garnavi, R., Roy, P., & Liang, X. (2015, August). Multi-atlas label fusion using hybrid of dis-criminative and generative classifiers for segmentation of cardiac MR images. In 2015 37th Annual Interna-tional Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) (pp. 2977-2980). IEEE.
Xie, L., Sedai, S., Liang, X., Compas, C. B., Wang, H., Yushkevich, P. A., & Syeda-Mahmood, T. (2015, April). Multi-atlas label fusion with augmented atlases for fast and accurate segmentation of cardiac MR images. In 2015 IEEE 12th International Symposium on Biomedical Imaging (ISBI) (pp. 376-379). IEEE.
Zhen, X., Wang, Z., Islam, A., Bhaduri, M., Chan, I., & Li, S. (2016). Multi-scale deep networks and re-gression forests for direct bi-ventricular volume estimation. Medical image analysis, 30, 120-129.
Avendi, M. R., Kheradvar, A., & Jafarkhani, H. (2016). Fully automatic segmentation of heart chambers in cardiac MRI using deep learning. Journal of Cardiovascular Magnetic Resonance, 18(1), 1-3.
Manzanera, A. (2012). Dense Hough transforms on gray level images using multi-scale derivatives. In SIXIEME WORKSHOP AMINA 2012" Applications Médicales de l'Informatique: Nouvelles Approches".
Duffner, S., & Garcia, C. (2013). Pixeltrack: a fast adaptive algorithm for tracking non-rigid objects. In Proceedings of the IEEE international conference on computer vision (pp. 2480-2487).
Luo, G., An, R., Wang, K., Dong, S., & Zhang, H. (2016, September). A deep learning network for right ventricle segmentation in short-axis MRI. In 2016 Computing in Cardiology Conference (CinC) (pp. 485-488). IEEE.
El-Rewaidy, H., Ibrahim, E. S., & Fahmy, A. S. (2016). Segmentation of the right ventricle in MRI images using a dual active shape model. IET Image Processing, 10(10), 717-723.
El-Rewaidy, H., & Fahmy, A. S. (2015, April). Segmentation of the Right Ventricle in MR images using dual active shape model in the Bookstein coordinates. In 2015 IEEE 12th International Symposium on Bio-medical Imaging (ISBI) (pp. 1320-1323). IEEE.
Maier, O. M., Jiménez, D., Santos, A., & Ledesma-Carbayo, M. J. (2012). Segmentation of RV in 4D cardiac MR volumes using region-merging graph cuts. In 2012 Computing in Cardiology (pp. 697-700). IEEE.
Zuluaga, M. A., Cardoso, M. J., Modat, M., & Ourselin, S. (2013). Multi-atlas propagation whole heart segmentation from MRI and CTA using a local normalised correlation coefficient criterion. In International Conference on Functional Imaging and Modeling of the Heart (pp. 174-181). Springer, Berlin, Heidelberg.
Bai, W., Shi, W., Wang, H., Peters, N. S., & Rueckert, D. (2012). Multiatlas based segmentation with lo-cal label fusion for right ventricle MR images. image, 6, 9.
Grosgeorge, D., Petitjean, C., Dacher, J. N., & Ruan, S. (2013). Graph cut segmentation with a sta-tistical shape model in cardiac MRI. Computer Vision and Image Understanding, 117(9), 1027-1035.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Fabio Martínez Carrillo, Alejandra Moreno Tarazona, Luis Carlos Guayacán Chaparro , Lola Xiomara Bautista Rozo, Jean Alejandro Pico
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
