Fundamentos

Tema 9
Utilidades de los sistemas de planificación.
Algoritmo de cabeza y sombrero. Se suele utilizar en fusión craneal. La
imagen de más alta resolución es una pila de discos (cabeza) y la otra una lista
de puntos 3D inconexos (sombrero). La fusión se hace transformando iterativamente
la superficie sombrero respecto de la cabeza hasta lograr el mejor ajuste.
Las imágenes se pueden preprocesar usando transformación de distancias
(“chamfer filter”) en una de ellas.
Algoritmo de punto más cercano iterativo. En ambas imágenes se segmentan
superficies 3D. Después, ambas se ajustan iterativamente a una superficie
modelo hasta conseguir distancia mínima. Luego se fusionan.
Uso de “crest lines”. Se segmenta la superficie, que ha de ser derivable tres
veces. Las crestas (“crest lines”) son el lugar geométrico de la superficie donde
el valor de la curvatura principal k 1
es localmente máximo en su dirección
principal. Las imágenes se fusionan alineando las crestas homólogas. Es una
técnica útil cuando las imágenes son muy similares.
3.3.3. Fusión de imagen usando medidas de similitud de vóxel
Calculan x optimizando alguna medida calculada directamente a partir de los
valores de vóxel (o píxel). x se calcula de manera invariable e iterativa mientras que
en los algoritmos geométricos el resultado era T y luego se infería x. En cada tipo
de fusión descrito, se calcula una cantidad que es el estimador del ajuste iterativo.
Para este tipo de técnicas hay que distinguir entre fusión intermodal e intramodal,
dado que el hecho de que los valores de gris sean similares en ambas imágenes
para un mismo tejido es determinante en la técnica que se puede emplear.
3.3.3.1. Fusión intramodal
Para imágenes pertenecientes a la misma modalidad, las iteraciones tratan
de minimizar una cantidad que se calcula a partir de los valores de intensidad
de ambas imágenes, una vez transformada la B sobre la A. En función de la
cantidad a minimizar se clasifican como sigue:
Minimización de la diferencia de intensidades
/
SSD
1
x
= A_
xAi-
B _ xAi
N
T
xA
! X
AB ,
SSD es la medida óptima si las dos imágenes sólo difieren por ruido gaussiano.
T
X AB , es el conjunto de puntos intersección de las dos imágenes una vez transformada
B por medio de T.
Existe otra medida, SAD, donde se suman valores absolutos no cuadráticos:
/
SAD
1
x
= A_
xAi-
B _ xAi
N
T
x A ! XAB
,
2
[ 385 ]