Segmentación de imágenes de resonancia magnética cerebrales aplicando análisis de componentes principales y máquinas de soporte vectorial

Abstract

Resumen las imágenes de resonancia magnética (IRMs) constituyen la principal herramienta de diagnóstico y planeación en el tratamiento de tumores cerebrales, debido a que proveen un medio no invasivo y efectivo para observar el cerebro humano. La detección y ubicación de tumores en el cerebro en estas imágenes la llevan a cabo especialistas que identifican los distintos tejidos de interés en las mismas, sin embargo, ésta no es una tarea sencilla, por lo que es necesario la ayuda de modelos matemáticos para determinar los distintos tejidos considerados, sano, líquido, entre otros. La detección de diferentes regiones de interés con características similares dentro de una imagen se conoce como segmentación de imágenes.En este trabajo se desarrolla una metodología que detecta, en imágenes de resonancia magnética multieco potenciadas en T2, el tejido invadido por tumores, el tejido sano y el líquido. Uno de los resultados mas destacados es la obtención de un patrón de comportamiento de los tejidos que se caracterizan por regiones de R2 obtenidas de la distribución conjunta de dos variables que resumen la información de las imágenes. Se construyen MSVs para segmentar las IRMs en base a las regiones mencionadas. Además se realiza un análisis de componentes principales con el objeto de disminuir la dimensión del problema y visualizar los datos espacialmente.