Universidad Autnoma de Manizales. Martnez Hernndez, Velsquez Rivera.

Aplicaciones del procesamiento de imgenes

mdicas

Aplicaciones del procesamiento de imgenes

mdicas obtenidas a travs de RM y TC
Martnez Hernndez, Jean Carlos. y Velsquez Rivera, Juan Camilo.
{jean.martinezh, juan.velasquezr}@autonoma.edu.co
Universidad Autnoma de Manizales

ResumenLas imgenes diagnosticas son un medio muy

importante por el cual se pueden diagnosticas patologas. La
obtencin de dichas imgenes se puede realizar mediante
diferentes tecnologas como lo son la resonancia magntica y la
tomografa computarizada, entre otras.
En la presente revisin se describen los trabajos realizado por
algunos autores en el campo del procesamiento de imgenes
mdicas, permitiendo evidenciar el potencial que tienen este
tipo de procedimientos en la mejora de la salud humana.

ndice de TrminosResonancia magntica, tomografa

computarizada, umbralizacin, segmentacin

I. INTRODUCCIN
En la medicina actual, el costo de realizar
diagnsticos utilizando imgenes es incalculable. El
procesamiento de imgenes de resonancia magntica
(RM), tomografa computarizada (TC), tomografa
por emisin de positrones, rayos X y otras
modalidades, provee un medio no invasivo y efectivo
para delinear la anatoma del paciente. Los modelos
anatmicos tridimensionales que se obtienen de tales
modalidades reproducen los detalles visuales de las
estructuras anatmicas, permitiendo as el
diagnstico de ciertas patologas [1].
El diagnstico se realiza a travs del procesamiento
de las imgenes obtenidas mediante las modalidades
ms comunes de imaginologa (como lo son la
resonancia
magntica
y
la
tomografa
computarizada). Este procesamiento consiste gran
variedad de tcnicas y algoritmos que se utilizan
segn la informacin que se quiere obtener. Por
ejemplo, dado que normalmente estas modalidades
de adquisicin de imgenes generan muchas
imgenes consecutivas de cortes diminutos del

cuerpo, es comn que se utilicen tcnicas y

algoritmos que utilicen estas imgenes (DICOM)
para la construccin de modelos 3D de ciertas
estructuras de inters.
Estos modelos 3D se utilizan calcular una cantidad
de informacin que no se puede calcular fcilmente
mediante imgenes 2D o fsicamente, lo que permite
realizar diagnsticos mucho ms precisos. Uno de
los tipos de informacin ms importante que se
puede obtener a partir de estos modelos 3D es el
volumen que de cierta estructura luego de
segmentarla, dando la posibilidad de detectar
anormalidades. En otros casos simplemente se
realiza segmentacin para identificar ciertas
estructuras de inters. Por ejemplo, Ortega et al.
presentaron un algoritmo de creacin de modelos 3D
con el fin de segmentar diferentes huesos y as
identificar fracturas; mientras que Nieto et al. utilizan
los modelos 3D para la evaluacin de la calidad sea.
Por otro lado, otro tipo de tcnicas usadas en
imgenes mdicas se utilizan para la deteccin de
anormalidades en ciertas estructuras anatmicas. Por
ejemplo, Souto et al. desarrollaron un algoritmo para
la deteccin automtica de ndulos pulmonares en
imgenes de tomografa computarizada.
As, en lo que resta de esta revisin se presenta la
descripcin de cada uno de los estudios mencionados
acerca del procesamiento de imgenes mdicas en la
seccin II. Finalmente, en la seccin III se presentan
algunas conclusiones.

Universidad Autnoma de Manizales. Martnez Hernndez, Velsquez Rivera. Aplicaciones del procesamiento de imgenes
mdicas

II. REVISIN
Ortega et al. en el artculo Algoritmo para la
definicin de estructuras seas en modelos
biomdicos utilizan imgenes DICOM para la
creacin de sus modelos. El formato DICOM
(Digital Imaging and Communications in Medicine)
se emplea para producir, mostrar, almacenar, enviar,
procesar, obtener, consultar e imprimir imgenes
mdicas. Cada imagen obtenida representa un corte
de la parte del cuerpo analizada, en las cuales cada
pxel denota el grado de atenuacin del haz
radiolgico sobre el tejido humano. Adems de los
atributos del pxel, DICOM registra todas las
distancias correspondientes, coordenadas 3D y
orientaciones, haciendo posible cualquier medicin
en distancias reales [1]. El algoritmo que ellos
proponen consiste en los siguientes pasos:
Deteccin de hueso o fondo: Este paso tiene
como propsito definir qu secciones de la
imagen (corte) son hueso, para lo cual se
aplica una umbralizacin global. La
umbralizacin global consiste en la
evaluacin de cada uno de los pixeles de la
imagen para determinar si su intensidad est
por encima de determinado umbral o no, de
tal forma que luego de este proceso se
obtenga una imagen binaria que describa el
rea que el hueso ocupa en la imagen.
Obtencin del contorno de hueso en la
imagen: Esto lo logran utilizando el
algoritmo propuesto por Suzuki en cada una
de las secciones de hueso detectadas
anteriormente, y se realiza con el propsito de
luego poder determinar si dos secciones de
hueso en imgenes consecutivas (cortes
consecutivos) pertenecen al mismo hueso.
Determinacin de qu contornos pertenecer a
una misma isosuperficie (estructura
anatmica): Para determinar si dos contornos
en imgenes consecutivas pertenecen a una
misma isosuperficie se utiliza una
comparacin entre la proporcin entre las
reas de interseccin de los dos contornos
con el menor de ellos y un parmetro t que
define el valor permisible. As, si la
comparacin resulta afirmativa entonces se
afirma que los dos contornos pertenecen a la
misma isosuperficie, y por el contrario se
descarta cuando la comparacin resulta

negativa. De esta forma, al aplicar esta

comparacin al total de los contornos, se
obtiene una lista con todas las isosuperficies
y los contornos que las conforman.
Eliminacin de isosuperficies invlidas: Una
isosuperficie la consideran invlida si tiene
un volumen menor a 1.4 mm3, por lo que si el
volumen de una de las isosuperficies de la
lista es menor a esta valor simplemente se
descarta.
Construccin tridimensional de cada
isosuperficie:
Para
la
construccin
tridimensional de las isosuperficies utilizaron
el algoritmo Marching Cubes, teniendo en
cuenta la distancia entre cortes y la distancia
entre pixeles provistas por el formato
DICOM.

Para la realizacin del experimento desarrollaron 3

aplicaciones que utilizaban diferentes algoritmos
para la definicin de estructuras seas. Uno de ellos
consista en el algoritmo que propusieron, y los otros
dos en el uso de los software Visualization ToolKit
(VTK) y pyFormex, los cuales son software
comnmente utilizado en el tratamiento y
visualizacin de imgenes mdicas. El esquema del
experimento que realizaron se observa en la figura 1.

Figura 1. Algoritmos empleados para la definicin de

estructuras seas [1].

Luego de que cada uno de los algoritmos terminara

su proceso de definicin de cada una de las imgenes
se compararon los resultados utilizando como
mtricas de comparacin la cantidad de huesos
identificados correctamente y el tiempo utilizado por
el algoritmo. Es necesario aclarar que para cada una

Universidad Autnoma de Manizales. Martnez Hernndez, Velsquez Rivera. Aplicaciones del procesamiento de imgenes
mdicas

de las pruebas del algoritmo propuesto debieron

especificar manualmente los valores del parmetro t
y del umbral para la deteccin de huesos, lo cuales
variaban entre cada prueba teniendo as que hacer
pruebas de ensayo y error hasta que se obtuvieron los
mejores resultados.
Algunos meses despus de este estudio, los mismos
autores (Ortega et al.) publicaron otro artculo en el
cual se realizan algunas mejoras, optimizando as
algunos procedimientos y mejorando los resultados.
Ortega et al. en su publicacin Segmentacin de los
huesos en imgenes TC empleando la umbralizacin
global y adaptativa propusieron una forma por la
cual se puede definir el dominio geomtrico de las
estructuras seas con la ayuda de la tomografa
computarizada teniendo en cuenta que los
principales problemas an sin resolver para la
correcta definicin del dominio geomtrico de
estructuras anatmicas son: El efecto del volumen
parcial, debido a la insuficiente resolucin espacial
del equipo de adquisicin, al movimiento del
paciente o a la presencia de artefactos; la separacin
de los huesos adyacentes; y finalmente el ruido
presente en la imagen. [2].
Al igual que en el anterior estudio realizado por
Ortega et al. en el desarrollo de esta propuesta
tambin se utilizaron imgenes DICOM teniendo
muy en cuenta los parmetros (Distancia entre
pixeles), (Distancia entre cortes) y el coeficiente
de atenuacin lineal ().

de cada subimagen, as en el estudio realizado se

obtuvo iterativamente de una imagen una subimagen
de 3x3 pixeles a la cual se le aplic una funcin
gaussiana con el fin de determinar el nuevo valor de
intensidad para el pixel central de dicha subimagen,
lo cual, una vez finalizado el proceso iterativo
generara una nueva imagen con los contornos
realzados de la imagen original.
El algoritmo propuesto por Ortega et al. consisti en
aplicar a cada imagen DICOM (relacionadas con
tomografas computarizadas realizadas a las
estructuras anatmicas del hombro, la pelvis y los
huesos del pie) la tcnica de umbralizacin global y
adaptativa por aparte generando as dos imgenes
diferentes, y posteriormente, se realiz la
interseccin entre dichas nuevas imgenes para
obtener la segmentacin de la estructura sea con
respecto a las dems estructuras (msculos,
ligamentos, entre otras)
La ventaja de combinar ambas umbralizaciones
radica en que si un pxel es identificado como hueso
en la umbralizacin global pero no es parte de un
contorno, este no aparecer al aplicar la
umbralizacin adaptativa; por ende, al multiplicar
ambas imgenes este pxel no aparece en la imagen
resultante [2].
Finalmente, mediante el algoritmo propuesto por
Suzuki [1,2] se obtuvo por cada imagen segmentada
una lista de contornos de las estructuras seas
presentes en la imagen (figura 3)

En las imgenes TC, la intensidad de la seal espacial

est dada por el coeficiente de atenuacin lineal .
Este coeficiente es especfico de cada sustancia o
materia y expresa la atenuacin que sufre un haz de
rayos X al atravesar una determinada longitud de una
sustancia dada [2]. As, a partir de este parmetro se
puede calcular la transformacin lineal del
coeficiente de atenuacin lineal (Unidad de
Hounsfield (HU)).
Adicionalmente a la umbralizacin global realizada
en el anterior estudio por Ortega et al., para este
estudio se tambin se hizo uso de la tcnica de
mbralizacin adaptativa o local la cual consiste en
subdividir la imagen y aplicar una funcin estadstica
para determinar un nuevo valor para el pixel central

Figura 2. Algoritmo para la determinacin del dominio

geomtrico de estructuras seas en el plano [2].

Al aplicar la umbralizacin global en cada una de las

estructuras anatmicas descritas anteriormente no se

Universidad Autnoma de Manizales. Martnez Hernndez, Velsquez Rivera. Aplicaciones del procesamiento de imgenes
mdicas

logr hacer una separacin de los componentes

seos, sin embargo, cuando se realiz la
umbralizacin adaptativa y la interseccin de estas
con las imgenes obtenidas por la umbralizacin
global se pudo realizar la una separacin adecuada
entre las estructuras seas presentes en cada imagen
(figura 3 y 4).
En el estudio realizado al hombro, la pelvis y los
huesos del pie se us un de 100, 80, y 180 HU
para la umbralizacin global y adaptativa.

Figura 3. Dominio geomtrico de la articulacin del hombro.

a) Utilizando solo umbralizacin global; b) combinando la
umbralizacin global y la adaptativa [2].

Caracterizacin morfolgica de la estructura

trabecular sea mediante resonancia magntica de
alta resolucin, en el cual tomaron imgenes de la
metfisis del radio y el cbito mediante resonancia
magntica de alta resolucin a un grupo de hombres
y mujeres sanos. Debido a que la alta resolucin del
equipo utilizado no es suficiente, es decir, el voxel
adquirido es mayor a la medida a analizar (tamao de
la trabcula, que est entre 80-150 um) se present la
necesidad de aplicar tcnicas de correccin del efecto
de volumen parcial.
Para poder reconstruir en tres dimensiones las
imgenes obtenidas, al igual que en los estudios de
Ortega et al., es necesario primero segmentar las
regiones de inters, que son en este caso las regiones
de hueso esponjoso. Nieto et al. establecieron un
algoritmo para la deteccin de hueso esponjoso en el
que, si al cambiar de corte se detectan zonas en las
que se ha producido una gran variacin de las
intensidades, entonces estas zonas se etiquetan como
hueso esponjoso. As, luego de que se han detectado
las reas de inters aplicaron entonces tcnicas de
adaptacin de contornos para automatizar as el
proceso de segmentacin.
A continuacin, propusieron un algoritmo para
calcular el umbral de intensidad que permitiera
distinguir los voxeles que contienen mdula pura de
aquellos que se encuentran ocupados parcialmente
por hueso, el cual procesa los voxeles realizando
estadsticas sobre vecindarios permitiendo as que
los resultados obtenidos no se vean afectados por la
heterogeneidad de la bobina del equipo de resonancia
magntica.

Figura 4. Dominio geomtrico del pie de un adulto. a)

Utilizando solo umbralizacin global; b) combinando la
umbralizacin global y la adaptiva [2].

Se demostr que la combinacin de la umbralizacin

global y la adaptativa constituye un mtodo efectivo
para dar solucin al problema del volumen parcial y
la separacin delos huesos en las articulaciones. El
desempeo del algoritmo propuesto se encuentra en
funcin de la amplitud del rango de Hounsfield de la
imagen [2].
Por otro lado, otra aplicacin de la reconstruccin 3D
es presentada por Nieto et al. en el artculo

Luego, para solucionar el problema de la medicin

de estructuras de dimensiones menores a la
resolucin empleada para tomar las imgenes,
procedieron a hacer un procesado de subvoxeles, lo
cual consisti en dividir los voxeles originiales en
voxeles ms pequeos (subvoxeles) aumentando as
la resolucin de las imgenes.
Para la reconstruccin 3D (figura 4) primero
realizaron un suavizado a las imgenes mediante un
filtro de mediana y se eliminaron algunas partes que
son demasiado pequeas. Ya teniendo listo lo
anterior, procedieron a calcular los parmetros

Universidad Autnoma de Manizales. Martnez Hernndez, Velsquez Rivera. Aplicaciones del procesamiento de imgenes
mdicas

morfolgicos a partir de las distancias entre algunos

pixeles de las imgenes obtenidas.

(pulmones, aire y fondo), 2) reduccin de las

regiones aisladas y 3) segmentacin de las regiones
pulmonares. Una vez que obtenida la regin
pulmonar, se aplic el filtro iris sobre la regin
segmentada y se procedi a la reduccin de falsos
positivos.
El mtodo de anlisis estadstico que se ha utilizado
para la evaluacin del sistema ha sido el clculo de
FROC
(free-response
receiver
operating
characteristic), que se define como la representacin
de la fraccin de las anormalidades detectadas y la
probabilidad de que exista una imagen con uno o ms
falsos positivos [4]

Figura 5. Reconstruccin tridimensional de la trabcula sea

[3].

Como resultado, Nieto el al. obtuvieron una

reconstruccin 3D completa a partir de la cual
pudieron calcular parmetros morfolgicos,
encontrando diferencias significativas entre los
parmetros respecto al sexo. Adems, afirman que la
metodologa desarrollada en el trabajo permite
establecer las posibilidades de que se aplique esa
tcnica para una buena aproximacin al
conocimiento del estado del hueso.
El procesamiento de imgenes mdicas no est
orientado nicamente hacia los huesos sino que
tambin puede ser utilizado para el diagnstico de
patologas en tejidos blandos como el corazn, los
pulmones, entre otras. Por ejemplo, Souto et al. en
su publicacin Deteccin automtica de ndulos
pulmonares en tomografa computarizada propuso
una manera para el diagnstico de ndulos
pulmonares. Para este estudio se recogieron casos de
tomografa helicoidal de pacientes con ndulos
pulmonares, con la cual se cre una base de datos con
4.154 imgenes y un total de 64 ndulos calcificados
y no calcificados, con dimetros entre 3-30 mm.
Una vez conformada la base de datos (evaluada y
verificada por especialistas), a cada imagen se le
aplic una etapa de segmentacin la cual se divida
en tres etapas: 1) aplicacin de un umbral adaptativo
el cual permite separar los pxeles de la imagen en
dos categoras, pxeles de regiones con densidad alta
(cuerpo del paciente, camilla) y pxeles
pertenecientes a regiones de baja densidad

Finalmente Souto et al. desarrollaron un algoritmo de

diagnstico asistido por ordenador (CAD) que
permita detectar los ndulos pulmonares en
imgenes TC helicoidal de trax con un
comportamiento similar al ilustrado en la figura 6
donde se puede observar (A) la imagen original de
tomografa computarizada en la cual se observa un
pequeo ndulo en el lbulo inferior derecho, (B) el
resultado de la aplicacin del filtro iris en la regin
pulmonar segmentada,
(C) la dilatacin y
crecimiento de regiones tras la umbralizacin, y
finalmente (D) el resultado final de la deteccin, en
el cual pueden verse con un recuadro un ndulo
pulmonar en el pulmn derecho y un falso positivo
en el pulmn izquierdo. Para una sensibilidad del
76% se obtuvo una tasa de 1,3 falsos positivos por
imagen.

Figura 6. Sistema de deteccin [4].

En el estudio realizado por Souto et al. se

describieron los tipos de ndulos detectados y no
detectados, segn sus caractersticas de densidad

Universidad Autnoma de Manizales. Martnez Hernndez, Velsquez Rivera. Aplicaciones del procesamiento de imgenes
mdicas

(ndulos slidos calcificados, slidos no calcificados

y en vidrio deslustrado), localizacin (ndulos
subpleurales, perifricos a menos de 2 cm de la
superficie pleural y ndulos centrales) y morfologa
(ovales, lobulados y espiculados) [4].
III. CONCLUSIONES
El procesamiento de imgenes mdicas representa
un gran avance en el diagnstico de patologas, ya
que permite la extraccin de informacin imposible
de extraer a simple vista posibilitando as la
obtencin de diagnsticos ms preciso y eficaces.
Por otro lado, es importarte resaltar que, aunque se
han logrado muchos avances en cuando a las tcnicas
de procesamiento de imgenes mdicas, an queda
mucho trabajo por delante. Esto se evidencia por
ejemplo en el trabajo de Ortega et al. que demuestran
que luego de realizar una publicacin con una tcnica
que funciona bien an queda trabajo para mejorar y
meses despus publican una mejora de dicha tcnica.
Finalmente, de la revisin realizada se encuentra
que la construccin de modelos 3D del cuerpo
humano han tomado una gran relevancia en la
investigacin de los ltimos aos debido al potencial
que estos modelos ofrecen en el campo de la salud.

REFERENCIAS

[1] Ortega, D. R., Gutirrez, G., Iznaga, A. M., Rodrguez,

T., de Beule, M., & Verhegghe, B. (2015). Algoritmo para la
definicin de estructuras seas en modelos biomdicos.
Revista Internacional de Mtodos Numricos para Clculo y
Diseo en Ingeniera, 31(1), 13-19.
[2] Ortega, D. R., Gutirrez, G., Iznaga, A. M., Rodrguez,
T., de Beule, M., & Verhegghe, B. (2014). Segmentacin de
los huesos en imgenes TC empleando la umbralizacin
global y adaptativa. Imagen Diagnstica, 5(2), 68-73.
[3] Nieto, L., Moratal, D., Mart-Bonmat, L., Alberich, .,
& Galant, J. (2008). Caracterizacin morfolgica de la
estructura trabecular sea mediante resonancia magntica de
alta resolucin. Radiologa, 50(5), 401-408.
[4] Souto, M., Tahoces, P. G., Cuenca, J. S., Lado, M. J.,
Remy-Jardin, M., Remy, J., & Vidal, J. J. (2008). Deteccin
automtica de ndulos pulmonares en tomografa
computarizada. Un estudio preliminar. Radiologa, 50(5),
387-392.