Back to Search Start Over

Segmentación automática de la columna vertebral en oncología a partir del análisis de imagen de tomografía computarizada

Authors :
Moratal Pérez, David
Arana Fernandez de Moya, Estanislao
Universitat Politècnica de València. Servicio de Alumnado - Servei d'Alumnat
Díaz Parra, Antonio
Moratal Pérez, David
Arana Fernandez de Moya, Estanislao
Universitat Politècnica de València. Servicio de Alumnado - Servei d'Alumnat
Díaz Parra, Antonio
Publication Year :
2015

Abstract

[EN] Cancer is one of the leading causes of death worldwide. Most cancer patients do not die due to primary tumors but metastases, which are frequently localized in the bone tissue and primarily in the spine. The quantification of metastatic burden as well as bone quality and quantity of metastatic vertebrae requires an accurate segmentation of it. In the present work a fully automated method for thoracic and lumbar vertebrae segmentation on Computed Tomography images is proposed. Moreover, fully automated methods for thoracic and lumbar spinal canal detection as well as for thoracic and lumbar spinal canal segmentation are also proposed.<br />[ES] El cáncer es una de las principales causas de mortalidad mundial. La mayoría de pacientes con cáncer no mueren debido al tumor primario sino a las metástasis, localizadas con mayor frecuencia en el tejido óseo y especialmente en la columna vertebral. La cuantificación de la carga tumoral así como de la calidad y cantidad ósea de la vértebra con afectación metastásica requiere de una segmentación precisa de la misma. En el presente Trabajo Fin de Máster se propone un método completamente automático para la segmentación de las vertebras torácicas y lumbares a partir del análisis de imagen de Tomografía Computarizada. Además, también se proponen métodos completamente automáticos para la detección del canal vertebral así como para la segmentación del mismo en las regiones torácica y lumbar

Details

Database :
OAIster
Notes :
TEXT, Spanish
Publication Type :
Electronic Resource
Accession number :
edsoai.on1138363200
Document Type :
Electronic Resource