Segmentación y reconstrucción eficiente de mallas para seguimiento de tumores utilizando GPU

Thesis

Summary *

Las nuevas tecnologías de captación de imágenes en medicina han simplificado ampliamente la tarea de los expertos médicos en el diagnóstico y seguimiento de patologías. En particular, la detección y análisis de la evolución de tumores se ha visto beneficiada por las posibilidades brindadas por dichas tecnologías y se ha convertido en un área de gran interés para el estudio, investigación y aplicación de técnicas de procesamiento digital de imágenes y visualización computacional. En este trabajo se presenta un método de segmentación basado en un esquema híbrido que combina distintos algoritmos en un pipeline de procesamiento, aplicado a la segmentación de tumores en imágenes de resonancia magnética (MRI). Las técnicas utilizadas más relevantes son el método de segmentación por Crecimiento de Regiones y una posterior mejora de los resultados por medio del método de Modelos Deformables Paramétricos (también conocido como Superficies Activas). El sistema completo es aplicado sobre una serie de MRI artificiales que simulan los distintos estadíos de un tumor cerebral a lo largo de un tratamiento oncológico. Con el objeto de brindar al especialista médico un indicador que colabore en el proceso de toma de decisiones acerca del éxito o fracaso del tratamiento aplicado, se realiza una estimación del volumen del tumor a partir de los resultados de la segmentación obtenida. Para brindar mayor escalabilidad al método propuesto, y poder garantizar su aplicabilidad en imágenes de mayor resolución que los estándares actuales, se plantea adicionalmente el diseño paralelizado del algoritmo de Modelos Deformables utilizando la tecnología de GPGPU. Information provided by the agent in SIGEVA