Generación de modelos discretos de tejidos del ser humano a través del preprocesamiento y segmentación de imágenes médicas

ResumenLos tejidos humanos son estructuras anatómicas que se caracterizan por tener una morfología compleja y solapada entre sí, razones por las cuales la generación de modelos geométricos precisos no resulta una tarea fácil. En la actualidad, esta tarea se ha beneficiado por el desarrollo de técnicas de diagnóstico por imágenes médicas, las cuales permiten visualizar el cuerpo humano en una forma confiable y no invasiva, generando cortes transversales que representan una sección de los tejidos bajo evaluación. En este trabajo, se propone el uso de un conjunto de técnicas numéricas de procesamiento digital de imágenes implementadas en una herramienta de software para la obtención de modelos geométricos a través de cinco etapas: (1) lectura y reconstrucción tridimensional (3D) inicial de los cortes originales de imágenes de tomografía computacional y resonancia magnética; (2) corrección de la baja calidad de las imágenes utilizando algoritmos de preprocesamiento para suavizar el ruido y realzar los bordes de los tejidos; (3) segmentación híbrida para obtener la geometría 3D de los tejidos de interés; (4) posprocesamiento para corregir errores de segmentación, y (5) exportación de los volúmenes en formatos legibles por otras herramientas de visualización médica y de Diseño Asistido por Computador (CAD) para verificar su utilidad para la generación de modelos discretos a través del análisis con los métodos numéricos. Las técnicas utilizadas fueron validadas calculando descriptores estadísticos en los modelos generados y los modelos proporcionados por otros medios como base de datos libres disponibles en sitios web. Los resultados demostraron que las técnicas implementadas generan modelos precisos y útiles para el análisis numérico, de manera versátil y en corto tiempo de procesamiento.

The generation of anatomical models is one the most important concern to biomedical researchers as well as to medical doctors, due to needed to understand the human tissues. Is know that the soft tissues like heart, brain, prostate and hard tissues like jaw, bones, skull, etc are structures of complex morphologies, so, the anatomical models generation is not an easy and trivial task. Currently, this task has benefited of advances of imaging diagnostic, which permit obtain cross and longitudinal sections of human body. In this research, we describe a method to obtain 3D discrete models of human body given by a dataset of medical images. Five main modules were implemented in prototype software: (1) Reading and 3D reconstruction of Computerized Axial Tomography and Magnetic Resonance Images. (2) Preprocessing techniques for improve the low medical images quality by using enhancement algorithms to reduce image noise and to increase structures contrast. (3) Combined segmentation techniques for tissue identification, which were applied through a multi-stage approach. (4) Post processing techniques to improve segmented volumes and (5) Exportation task of volumes to readable formats by Computer Aided Design (CAD) tools to be later analyzed by numerical methods. The performance of our method is shown on several medical examples and the techniques were validated using statistical descriptors to compare our models with models from free databases. Results showed that the implemented techniques generate precise and useful models for numerical analysis and medical survey, planning and surgery in a short processing time.