dc.contributorFlórez Valencia, Leonardo [0f1HstAAAAAJ]
dc.contributorOrkisz, Maciej [3m9zfroAAAAJ]
dc.contributorFlórez Valencia, Leonardo [0000-0002-3146-2262]
dc.contributorFlórez Valencia, Leonardo [0000-0002-3146-2262]
dc.contributorOrkisz, Maciej [0000-0003-1709-5766]
dc.contributorFlórez Valencia, Leonardo [Leonardo-Florez-Valencia]
dc.creatorFlórez Valencia, Leonardo
dc.creatorAzencot, Jacques
dc.creatorOrkisz, Maciej
dc.date.accessioned2020-10-27T00:20:39Z
dc.date.available2020-10-27T00:20:39Z
dc.date.created2020-10-27T00:20:39Z
dc.date.issued2010-12-01
dc.identifier2539-2115
dc.identifier1657-2831
dc.identifierhttp://hdl.handle.net/20.500.12749/8947
dc.identifierinstname:Universidad Autónoma de Bucaramanga UNAB
dc.identifierrepourl:https://repository.unab.edu.co
dc.description.abstractLa luz arterial está modelada por un cilindro continuo generalizado derecho con parámetros constantes por partes. El método se basa en la identificación de los parámetros de cada pieza a partir de una serie de contornos extraídos a lo largo de un eje aproximado de la arteria. Esta curva está definida por un camino mínimo entre los puntos finales de la arteria. Los contornos se extraen utilizando el Fast Marching algoritmo. La identificación de los parámetros axiales se basa en una geometría analogía con las curvas helicoidales, mientras que la identificación de los parámetros de la superficie utiliza la descomposición en serie de Fourier de los contornos. Así identificado los parámetros se utilizan como observaciones en un esquema de estimación óptimo de Kalman que gestiona la consistencia espacial de una pieza a otra. El método se evaluó en 46 conjuntos de datos de MICCAI 3D Segmentation in the Clinic Gran desafío: segmentación y estenosis de la luz de la bifurcación carotídea Calificación (http://cls2009.bigr.nl).
dc.languagespa
dc.publisherUniversidad Autónoma de Bucaramanga UNAB
dc.relationhttps://revistas.unab.edu.co/index.php/rcc/article/view/1390
dc.relationAzencot, J. and Orkisz, M. Deterministic and stochastic state model of right generalized cylinder (RGC-sm): application in computer phantoms synthesis. Graph. Models, 65(6):323--350, 2003.
dc.relationBaltaxe Milwer, M. and Flórez Valencia, L. and Hernández Hoyos, M. and Magnin, I.E. and Orkisz, M. Fast marching contours for the segmentation of vessel lumen in CTA cross-sections. Conf. Proc. IEEE Eng. Med. Biol. Soc., pages 791-794, Lyon, France, 2007. IEEE.
dc.relationFlórez Valencia, L. and Azencot, J. and Vincent, F. and Orkisz, M. and Magnin, I.E. Segmentation and Quantification of Blood Vessels in 3D Images using a Right Generalized Cylinder State Model. Proc. IEEE Int. Conf. Image Process., pages 2441--2444, 2006.
dc.relationFlórez Valencia, L. and Vincent, F. and Orkisz, M. Fast 3D presegmentation of arteries in computed tomography angiograms. Int. Conf. Comput. Vision & Graphics, pages 87--88, Warsaw, Poland, 2004.
dc.relationHameeteman, K. and Zuluaga, M. and Joskowicz, L. and Freiman, M. and van Walsum, T. 3D Segmentation in the Clinic: Carotid Lumen Segmentation and Stenosis Grading Challenge. 2009. http://cls2009.bigr.nl.
dc.relationHernández Hoyos, M. and Orkisz, M. and Douek, P.C. and Magnin, I.E. Assessment of carotid artery stenoses in 3D contrast-enhanced magnetic resonance angiography, based on improved generation of the centerline. Mach. Graphics Vision, 14(4):349--378, 2005.
dc.relationKakadiaris, I.A. and Pednekar, A. and Santamaría-Pang, A. Threedimensional shape-motion analysis of the left anterior descending coronary artery in EBCT images. In Barillot, C. and Haynor, D.R. and Hellier, P., editors, MICCAI, pages 1025--1033, 2004. Springer.
dc.relationKalman, R.E. A New Approach to Linear Filtering and Prediction Problems. Trans ASME--J. Basic Engineering, 82(Series D):35-- 45, 1960.
dc.relationJosef Kittler and John Illingworth and J. Föglein. Threshold selection based on a simple image statistic. Comput. Vision Graphics Image Process., 30(2):125-147, 1985.
dc.relationMaurer,Jr., Calvin R. and Qi, Rensheng and Raghavan, Vijay. A Linear Time Algorithm for Computing Exact Euclidean Distance Transforms of Binary Images in Arbitrary Dimensions. IEEE Trans. Pattern Anal. Mach. Intell., 25(2):265--270, 2003.
dc.relationSethian, J.A. A Fast Marching Level Set Method for Monotonically Advancing Fronts. Proc. Nat. Acad. Sci., number 4, pages 1591-- 1595, 1996.
dc.relationWelch, G. and Bishop, G. An Introduction to the Kalman Filter. SIGGRAPH 2001, Course 8, Chapel Hill, NC, 2001.
dc.relationWink, O. and Niessen, W.J. and Frangi, A.F. and Verdonck, B. and Viergever, M.A. 3D MRA coronary axis determination using a minimum cost path approach. Magnetic Resonance in Medicine, 47(6):1169--1175, 2002.
dc.relationhttps://revistas.unab.edu.co/index.php/rcc/article/view/1390/1334
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rightsDerechos de autor 2010 Revista Colombiana de Computación
dc.sourceRevista Colombiana de Computación; Vol. 11 Núm. 2 (2010): Revista Colombiana de Computación; 79-93
dc.subjectInnovaciones tecnológicas
dc.subjectCiencia de los computadores
dc.subjectDesarrollo de tecnología
dc.subjectIngeniería de sistemas
dc.subjectInvestigaciones
dc.subjectTecnologías de la información y las comunicaciones
dc.subjectTIC´s
dc.titleSegmentación de las arterias carótidas en imágenes de TC con el uso de un modelo de cilindro generalizado derecho


Este ítem pertenece a la siguiente institución