Segmentación de Imágenes Médicas Digitales mediante Técnicas de Clustering

  • Gustavo Lorca T. Universidad Nacional Santiago Antúnez de Mayolo
  • José Arzola R. Universidad Nacional Santiago Antúnez de Mayolo
  • Osvaldo Pereira B. Universidad Nacional Santiago Antúnez de Mayolo

Resumen

En este trabajo se emplea técnicas de Clustering en la segmentación de imágenes médicas digitales para ser utilizadas en la reconstrucción de modelos anatómicos 3D a partir del estándar Digital Images and Comunication in Medicine (DICOM) con el fin de mejorar los resultados reportados en las fuentes bibliográficas. Son expuestos los algoritmos de Clustering Particional implementados y los resultados alcanzados con estos. Se compara entre sí los resultados alcanzados con ayuda de los métodos K-means y Fuzzy K-means y se recomienda procedimientos para la inicialización de los centroides.

Citas

Acha Pi ñero, B. (Abril de 2002). Segmentación y clasificación ele imágenes en color. Aplicación al diagnóstico de quemaduras. Tesis Doctoral. Sevilla, Sevilla, España: Universidad de Sevilla.

del Fresno, M., & J Vénere, M. (2002). Segmentación de Imágenes Médicas por Crecimiento de Regiom·s con Conocimiento Adicional. Tirndil, Buenos Aires, Argentina: PLADEMA-ISISTAN, Universidad Naciorial del Centro.

Jain, A. J., Murty,_ ·M_ N, &. Flynn, P. J. (Septiembre de. l999). Data · Clustering: A. Review. ACM Coniputing Surveys. Vol. 31, No.3.

Miguel Jimé1wz,' JM. (Marzo de 2008). Introducción al Tratamiento ::Digital, y Clustering de Imágenes. Alcalá, Madrid, España: Departamento de Electrónica, Universidad de Alcalá.

Oliva i Cuyás, F., de Cáceres Ainsa, M., Font Castell, X., & Cuadras Avellana, C. M. (Noviembre de 2001 ). Contribuciones desde una perspectiva basada en proximidades al Fuzzy K-means Clustering. Jaén, Andalucía, España: XXVI Congreso Nacional de Estadística e Investigación Operativa: Úbedabeda, Universidad de La Rioja, ISBN 84-8439-080-2.

Ortega, J. A., Foster, W., & Ortega, R. (2002). Definición de Sub-Rodales para una Silvicultura ele Precisión: Una aplicación del método Fuzzy K-means. Santiago, Chile: F acultad ele Agronomía e Ingeniería Forestal, Pontificia Universidad Católica ele Chile, Casilla 306-22.

Tan, P. N., Steinbach, M., & Kurnar, V. (Marzo ele 2006). lntroduction to Data Mining. Recuperado el 10 de Febrero de 2010. de Addison-Wesley Companion Book Site: http://wwwusers. cs.umn.edu/-kumar-/dmbook/inclex.php

Villagra, A., Guzmán, A., Pandolfi, D., & Leguizamón, G. (2008). Análisis ele medidas nosupervisadas ele calidad en clusters obtenidos por K-means y Particle Swarm Optimization. Argentina: Universidad Nacional de la Patagonia Austral, Unidad Académica Caleta Olivia, Universidad Nacional de San Luis, Laboratorio ele Tecnologías Emergentes, Laboratorio ele Investigación y Desarrollo en Inteligencia Computacional.

Publicado
2010-07-19
Cómo citar
Lorca T., G., Arzola R., J., & Pereira B., O. (2010). Segmentación de Imágenes Médicas Digitales mediante Técnicas de Clustering. Aporte Santiaguino, 3(1), pág. 108-116. https://doi.org/10.32911/as.2010.v3.n1.428
Sección
Artículos Originales

Artículos más leídos del mismo autor/a