19th International Symposium of Electrical Engineering

SIE 2021

Liver segmentation on CT images.

Abstract

Liver segmentation using CT data has gained much importance in the field of medical image processing, as it is the first step in the diagnosis of liver diseases. Nowadays, the segmentation of structures and organs, based on images, which is carried out in the country's hospitals, is far from having the levels of precision obtained from modern 3D systems, so it is necessary to look for viable alternatives using the DIP on the computer. This work contributes to the determination of an effective and efficient variant from the computational point of view in routine hospital conditions, for the segmentation of liver images for clinical purposes. This work compares two modern segmentation methods, applying them to CT images of the liver. In addition, it performs an evaluative and statistical analysis of the results obtained in the segmentation of the images. It was possible to verify that of the selected segmentation methods: Graph Cut and EM / MPM, Graph Cut obtained greater precision, to segment said images.

Resumen

La segmentación del hígado utilizando datos de TC ha ganado mucha importancia en el campo del procesamiento de imágenes médicas, pues es el primer paso para el diagnóstico de enfermedades hepáticas. En la actualidad la segmentación de estructuras y órganos, basado en imágenes, que se realiza en los hospitales del país, dista de tener los niveles de precisión que se obtienen de los modernos sistemas 3D, por lo que se requiere buscar alternativas viables utilizando el PDI sobre ordenador. Este trabajo contribuye a la determinación de una variante eficaz y eficiente desde el punto de vista computacional en condiciones de rutina hospitalaria, para la segmentación de imágenes hepáticas con fines clínicos. Este trabajo compara dos métodos modernos de segmentación, aplicándolos sobre imágenes de TC de hígado. Además, realiza un análisis evaluativo y estadístico de los resultados obtenidos en la segmentación de las imágenes. Se pudo comprobar que de los métodos de segmentación seleccionados: Graph Cut y EM/MPM, Graph Cut obtuvo mayor precisión, para segmentar dichas imágenes.