medigraphic.com

2003, Número 2

<< Anterior Siguiente >>

Rev Mex Ing Biomed 2003; 24 (2)


El método de los elementos finitos en el registro de imágenes de resonancia magnética

Botello S, Marroquín JL

Idioma: Español
Referencias bibliográficas: 23
Paginas: 104-115
Archivo PDF: 251.56 Kb.


RESUMEN

El registro de imágenes es un problema que no ha sido resuelto en forma precisa, y tiene aplicaciones en diversos campos del procesamiento de imágenes, en donde podríamos incluir el procesamiento de imágenes médicas de resonancia magnética. En el presente trabajo se muestran algunas ideas novedosas en la aplicación del método de los elementos finitos a la solución de este problema, que permiten mejorar los campos de deformaciones calculados (ya sean éstos pequeños o grandes), para registrar de forma adecuada un conjunto de imágenes. Para probar el buen comportamiento de nuestro método de registro presentamos algunos resultados tanto sobre imágenes sintéticas como reales. Se incluyen algunas aplicaciones de registro de imágenes en 3 dimensiones, que utilizan una técnica de corrección de intensidades, la cual ha demostrado ser eficiente en resonancias magnéticas funcionales, en las que es muy importante localizar con precisión las zonas del cerebro que se activan bajo un estímulo.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Cocosco CA, Kollokian V, Kwan RK, Evans AC. Brian Web: On line Interface to a 3D MRI Simulated Brain Database, Neuroimage 1997: 5, 4, part 2/4, S425.

  2. Maintz JBA, Vierger MA. A survey of Medical Image Registration, Medical Image Analysis 1998; 2(1): 1-36.

  3. Viola P, Wells III WM. Alignment by Maximization of Mutual Information. Int Jour Comp Vision 1997; 24(2): 137-154.

  4. Meyer C et al. Demonstration of accuracy and clinical versatility of mutual information for automatic multimodality image fusion ussing affine and thin-plate sline-warped geometric deformations. Medical Image Analysis 1997; 1: 195-206.

  5. Rueckert D, Sonda LI, Hill DLG, Hqayes C, Leach MO, Hawkes DJ. Nonrigid registration using free-form deformation: Application to breast MR images, IEEE Trans. on Medical Images 1999; 18(8): 712-721.

  6. Bajscy R, Kovacic S. Multiresolution elastic maching, Computer Vision. Graphics and Image Processing 1989; 46: 1-21.

  7. Christensen GE, Miller MI, Vannier M. Individualizing neuroanatomical atlases using a massively pararel computer. IEEE Computer. 1996; 1(29): 32-38.

  8. Szeliski R, Coughlan J. Hierarchical spline-based image registration, IEEE conf. Comput. Vision Patt Recog 1994: 194-201.

  9. Vemuri BC et al. An efficient motion estimator with application to medical image registration. Medical Image Analysis 1998; 2(1): 79-98.

  10. Kumar A, Tannenbaum A, Balas G. Optical flow: A curve evolution approach, IEEE Trans. on Image Processing 1996; 5(4): 598-610.

  11. Vemuri BC, Ye J, Chen Y, Leonard CM. A level-set based approach to image registration, IEEE Workshop on Mathematical Methods in Biomedical Image Analysis, 2000: 86-93.

  12. Scales LE. Introduction to Non-Linear Optimization, Liverpool UK. Department of Computer Science University of Liverpool. 1984.

  13. Nocedal J, Wright SJ. Numerical Optimization, Springer, New York, 1999.

  14. Oñate E. Cálculo de estructuras por el método de los elementos finitos. Análisis Estático Lineal, CIMNE Primera Edición 1992.

  15. Marroquín JL, Venuri BC, Botello S, Calderón F, Fernández BA. An accurate and efficient bayesian method for automatic segmentation of brain MRI. IEEE Trans. on Medical Imaging. 2002; 21(8): 934-945.

  16. Romeny BMTH. Geometry-Driven diffusion in computer vision. Dordrecht, The Netherlands, Kluwer Academic Press, 1994.

  17. Unser M. Splines. A perfect fitfor signal and image processing, IEEE Signal Processing Magazine, 1999: 22-38.

  18. Maes F, Collignon A, Vandermeulen D, Marchal G, Suetens P. Multimodality image registration by maximization of mutual information, IEEE transactions on Medical Imaging, 1997; 16: 2, 187-198.

  19. Friston KJ, Ahsburner J, Frith CD, Poline JB, Heather JD, Frackowiak RSJ. Spatial registration and normalization of images. Hum Brain Map 1995; 2: 165-189.

  20. Fraire L, Mangin JF. Motion correction algorithms of the brain mapping community create spurius functional activations, Proc. Information Processing in Medical Imaging, IPMI , Davis. CA, USA 2001.

  21. Press WH, Teukolsky SA, Vetterling WT, Flannery BP. Numerical Recipes in C, Second Edition. Cambridge University Press, 1992.

  22. Salomon M, Perrin GR, Heitz F. Differencial evolution for medical image registration, Inter. Conf. on Artificial Intelligence, Las Vegas, 2001.

  23. Briggs W. A multigrid tutorial, society for industrial and applied mathematics. Lancaster Press 1988.




2020     |     www.medigraphic.com