Script 5: Segmentación
Francisco Javier Bolívar Lupiáñez
Cerebro
Usando el archivo BrainProtonDensitySlice256x256.png
:
Se ha segmentado tanto el plexo coroideo como la sustancia blanca.
Plexos coroideos
Al ser una imagen bastante buena, apenas se nota la diferencia entre aplicarle o no un filtrado, no obstante, se le ha aplicado un median filter para suavizarla.
Connected Threshold
- Seed: 91, 118
- Threshold: 210, 255
Sin filtro
Con filtro
Neighbourhood Connected
- Seed: 91, 118
- Threshold: 210, 255
Sin filtro
En este caso, el no agregar el filtrado previo hace que la segmentación no se haga completa y segmente solo una parte del plexo.
Con filtro
Confidence Connected
- Seed: 91, 118
- Radius: 3
- Multiplier: 3
- Iters: 2 (a partir de la tercera iteración empieza a segmentar zonas que no forman parte del plexo coroideo)
Sin filtro
Con filtro
4 iteraciones
Sustancia blanca
Al segmentar esta parte se debe notar más el pre-filtrado de la imagen pues no es una parte tan diferenciada como la anterior.
Connected Threshold
- Seed: 60, 125
- Threshold: 150, 180
Sin filtro
Con filtro
Neighbourhood Connected
- Seed: 60, 125
- Threshold: 150, 180
Sin filtro
Con filtro
Confidence Connected
- Seed: 60, 125
- Radius: 3
- Multiplier: 3
- Iters: 1
Sin filtro
Con filtro
Angiograma
Usando el archivo coronaryAngiogram.png
:
Para este se ha utilizado el filtro Confidence Connected pues es el único con el que se obtenía una segmentación medianamente buena. Además, se ha aplicado operadores morfológicos con los que se ve que mejora esta segmentación.
Confidence Connected
- Seed: 79, 321
- Radius: 3
- Multiplier: 3
- Iters: 25
Diferencia con operadores morfológicos
A la derecha la imagen con operadores morfológicos (dilatación + erosión) y a la izquierda sin ellos donde se ve cómo tapa agujeros.
Conclusiones
Hemos visto en primer lugar la segmentación de dos partes del cerebro. Una de ellas, el plexo coroideo es muy sencilla de segmentar pues en su vecindario es fácil determinar qué vóxel es adyacente y cuál no con una tolerancia mínima. En cambio con la sustancia blanca no es tan fácil y hace necesario un pre-filtrado de la imagen para que la segmentación sea lo sufcientemente buena.
Por último se ha intentado segmentar un angiograma lo cual es bastante complicado por el gran número de ramificaciones que tiene. Habría mejorado si se hubiesen podido utilizar varias semillas. Con este ejemplo se han probado los operadores morfológicos que vemos que ayudan a cerrar agujeros manteniendo la forma original.