Framework de segmentación eficiente de imágenes de contraste de fase 2d obtenidos por resonancia magnética

Abstract

En este trabajo se presenta la implementación de un framework de segmentación para secuencias de imágenes de resonancia magnética de contraste de fase 2D (2D PC-MRI), cuyo objetivo es mejorar la precisión en la segmentación de los principales vasos sanguíneos. El modelo propuesto utiliza una arquitectura 3D Unet, la cual está diseñada para la segmentación de volúmenes. Se realiza una comparación del desempeño del modelo propuesto con métodos de segmentación basados en contornos activos y segmentación manual, mostrando una mejora en la calidad y estabilidad de la segmentación, destacando la relevancia de aplicar técnicas de redes neuronales en el análisis de imágenes médicas para mejorar la calidad y fiabilidad de las mediciones.

In this work we present the implementation of a segmentation framework for 2D phase-contrast magnetic resonance imaging (PC-MRI), aimed at improving the accuracy in segmenting the major blood vessels. The proposed model makes use of a 3D Unet architecture, which is designed for volume segmentation. A performance comparison of the proposed model is carried out against others segmentation methods like active contours and manual segmentation, demonstrating an improvement in the quality and stability of the segmentation. This highlights the relevance of applying neural network techniques in medical image analysis to enhance the quality and reliability of measurements.