Una Técnica Bayesiana y de Varianza Mínima para Segmentación del Lumen Arterial en Imágenes de Ultrasonido

• Main Authors: Sergio Rogelio Tinoco-Martínez, Felix Calderon, Carlos Lara-Alvarez, Jaime Carranza-Madrigal
• Format: Article
• Language: Spanish
• Published: Universitat Politecnica de Valencia 2014-07-01
• Series: Revista Iberoamericana de Automática e Informática Industrial RIAI
• Online Access: http://www.sciencedirect.com/science/article/pii/S1697791214000351
• ISSN: 1697-7912

Resumen: Las enfermedades cardiovasculares (ECVs) son la causa principal de decesos en el mundo entero. Basada en el ultrasonido, la valoracioÌn principal de las ECVs es la medicioÌn de la íntima-media carotídea y de la funcioÌn endotelial humeral. En este trabajo se proponen mejoras a la metodología automática de deteccioÌn del lumen arterial, fundamental en las pruebas referidas, presentada en (Calderon et al., 2013); basada en grafos y deteccioÌn de bordes. Se propone un criterio bayesiano para segmentar el árbol de expansioÌn mínima del grafo creado con los puntos intermedios entre los bordes. El lumen se localiza aplicando sobre las trayectorias segmentadas tres criterios: de longitud, de obscuridad y, el propuesto, de varianza mínima. En 294 sonografías el error promedio en la deteccioÌn de la pared humeral cercana es 14.6 μm y desviacioÌn estándar 17.0 μm. En la pared lejana es 15.1 μm y desviacioÌn estándar 14.5 μm. Nuestra metodología mantiene el desempenÌo superior a los resultados en la literatura reciente que la metodología original presenta; superándola en exactitud general. Abstract: Cardiovascular diseases (CVDs) are the worldwide leading cause of deaths. Based on ultrasound, the primary assessment of CVDs is measurement of the carotid intima-media thickness and brachial endothelial function. In this work we propose im- provements to the automatic arterial lumen detection metho- dology, fundamental for the cited tests, presented in (Calderon et al., 2013); based on graphs and edge detection. We propose a bayesian approach for segmenting the minimum spanning tree of the graph created with intermediate points between edges. Lumen is located applying three criteria on segmented trajec- tories: length, dark and, our proposal, minimum variance. In 294 sonograms, mean error in brachial near wall detection was 14.6 μm and standard deviation of 17.0 μm. For far wall it was 15.1 μm and standard deviation of 14.5 μm. Our methodology maintains superior performance to results in recent literature that the original methodology presents; but surpasses it in ove- rall accuracy. Palabras clave: DeteccioÌn automática, ultrasonografía, caroÌtida, humeral, lumen, bayesiano, varianza, grafos, ajuste polinomial, Keywords: Automatic detection, ultrasonography, carotid, brachial, lumen, bayesian, variance, graphs, polynomial fitting