Diferencia entre revisiones de «Pfc-neuro-6»

De Grupo de Inteligencia Computacional (GIC)
Sin resumen de edición
 
Línea 38: Línea 38:
== Más información ==
== Más información ==


'''María Teresa García Sebastián'''
'''Maite García-Sebastián'''
[mailto:mariateresa.garcia@ehu.es]
[mailto:mariateresa.garcia@ehu.es]

Revisión actual - 16:45 14 ago 2008

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

Maite García-Sebastián [1]