ISSN: 2475-7586
Antonios Konstantinos Thanellas, Mikko Lilja, Nik Lygeros, Teijo Kottila, Miikka Korja
Objetivos: nuestro objetivo era crear un método de segmentación totalmente automatizado y tolerante a artefactos destinado a reducir la />
carga de trabajo de los expertos médicos que segmentan imágenes de tomografía computarizada de la cabeza de pacientes con hemorragia intracraneal.
Métodos: Desarrollamos un algoritmo de segmentación que combina umbrales de intensidad 2D y 3D, morfológico
operaciones y filtrado de entropía. Probamos el rendimiento del algoritmo contra segmentaciones estándar de oro en
Imágenes de tomografía computarizada preoperatoria y postoperatoria/posterior al tratamiento de 145 pacientes con
intracraneal
sangrado. Comparamos el algoritmo completamente automatizado con un método de umbral más simple.
Resultados: el algoritmo totalmente automatizado segmentó correctamente la sangre en el 98,62 % de los pacientes, en 2277 de 2449
rebanadas positivas (92,97%), y en 54,12% de vóxeles positivos. Segmentó incorrectamente la sangre en el 0,63 % de los pacientes’
vóxeles negativos. El coeficiente de Dice a nivel de vóxel fue de 0,20.
Conclusión: el algoritmo de código abierto puede facilitar la segmentación de una amplia gama de calidad de preoperatorios o
tomografías computarizadas de la cabeza posoperatorias/posteriores al tratamiento con hemorragia intracraneal.