Segmentación volumétrica de capas utilizando la propagación de superficies acopladas

El problema de segmentar una capa volumétrica de grosor finito se encuentra en varias áreas importantes dentro del análisis de imágenes médicas. Ejemplos clave incluyen la extracción de la materia gris cortical del cerebro y el miocardio del ventrículo izquierdo del corazón. El acoplamiento entre las dos superficies limitantes de dicha capa proporciona información importante que ayuda a resolver el problema de segmentación. Aquí proponemos un nuevo enfoque de propagación de superficies acopladas a través de métodos de conjuntos de niveles, que tiene en cuenta el acoplamiento como una restricción importante. Al evolucionar dos superficies incrustadas simultáneamente, cada una impulsada por su propia información derivada de la imagen mientras se mantiene el acoplamiento, capturamos una representación de las dos superficies limitantes y logramos la segmentación automática en la capa. Se incorporan valores característicos de nivel de gris, en lugar de solo información de gradiente de imagen, para derivar la información útil de la imagen para impulsar la propagación de la superficie, lo que permite que nuestro enfoque capture la homogeneidad dentro de la capa. La implementación del conjunto de niveles ofrece la ventaja de una fácil inicialización, eficiencia computacional y la capacidad de capturar pliegues profundos de los surcos. Como ejemplo de prueba, aplicamos nuestro enfoque a imágenes cerebrales en 3D de Resonancia Magnética (RM) no editadas. Nuestro algoritmo aísla automáticamente el cerebro de las estructuras no cerebrales y recupera la materia gris cortical.