Diferencia entre revisiones de «Pfc-neuro-6»
Sin resumen de edición |
Sin resumen de edición |
||
Línea 35: | Línea 35: | ||
Fase 5. Elaboración de la memoria final. | Fase 5. Elaboración de la memoria final. | ||
Resultados esperados: Recoger en un informe el trabajo realizado. | Resultados esperados: Recoger en un informe el trabajo realizado. | ||
== Más información == | |||
'''María Teresa García Sebastián''' | |||
[mailto:mariateresa.garcia@ehu.es] |
Revisión del 09:39 17 oct 2007
Análisis de imágenes cerebrales de Resonancia Magnética Nuclear: Shape Modelling.
1. Resumen.
Algunas aproximaciones a la producción de información diagnóstica a partir de imágenes de resonancia magnética nuclear se basan en el modelado de las formas de estructuras cerebrales segmentadas automática o manualmente. El contraste entre las formas promedio obtenidas para los pacientes y para los sujetos de control (sanos) permite obtener discriminantes para algunas patologías. Se trata de reproducir los trabajos básicos de creación de la forma promedio y la comparación entre poblaciones enfermas.
2. Herramientas computacionales.
Datos: Colección de imágenes cerebrales de RMN simuladas de sujetos sanos, sujetos con Alzheimer y Esclerosis Múltiple; Atlas de referencia.
Algoritmos: Aproximación de superficies y curvas. Segmentación de estructuras cerebrales en imagen de RMN.
3. Utilidad: aplicación, interés comercial o comunitario, proyección de futuro.
Aplicación de técnicas de Shape Modelling para detectar diferencias estructurales en el cerebro. Se promedian y comparan modelos geométricos 3D de curvas o superficies anatómicas.
4. Conocimientos requeridos o recomendados.
Matlab, C.
5. Fases previstas.
Fase 1. Elaboración del estado del arte. Se desarrollarán durante la duración del proyecto sesiones regulares de revisión de bibliografía y discusión de artículos. Resultados esperados: Conocer y recoger en un informe los estudios realizados con el Shape Modelling.
Fase 2. Exploración de las implementaciones de Shape Modelling disponibles (software libre). Resultados esperados: Informe que recoja las implementaciones de Shape Modelling disponibles (software libre), para este tipo de problema.
Fase 3. Implementación de algoritmos de la literatura. Resultados esperados: Código de cada algoritmo.
Fase 4. Evaluación de los resultados. Resultados esperados: Aplicar los métodos de Shape Modelling a una colección de imágenes de RMN. Establecer medidas para comparar la eficiencia y realizar las comparaciones sobre la colección de imágenes proporcionada.
Fase 5. Elaboración de la memoria final. Resultados esperados: Recoger en un informe el trabajo realizado.
Más información
María Teresa García Sebastián [1]