Modelado estadístico de forma basado en regiones anatómicas para la implantación coclear

Abstract

Los modelos estadísticos de forma son comúnmente utilizados para analizar la variabilidad existente entre estructuras anatómicas similares y su uso esta firmemente establecido como herramienta para la segmentación de imágenes médicas. Sin embargo, utilizar un único modelo para capturar la variabilidad global de estructuras complejas, a veces no es lo más adecuado si se quieren lograr unos buenos resultados durante el proceso de segmentación. Normalmente, la variabilidad anatómica entre estructuras está asociada a la variabilidad de sus regiones fisiológicas. En el presente proyecto, se propone el marco completo de construcción de un modelo estadístico del oído interno para estudiar la variabilidad local de sus regiones fisiológicas. El modelo propuesto, basado en una extensión del Modelo de Distribución de Puntos, se construye para un conjunto de 17 imágenes de alta resolución (24.5 µm) del oído interno. El modelo se evalúa por su habilidad de generalización y especificidad. Los resultados se comparan con los de un modelo global (sin regiones) construido directamente utilizando un Modelo de Distribución de Puntos. Los resultados de la evaluación demuestran que se puede conseguir una mejor precisión de segmentación mediante un modelado por regiones del oído interno.

Statistical shape models are commonly used to analyse the variability between similar/nanatomical structures and their use is firmly established as a tool for segmentation of/nmedical images. However, only using a simple model for capturing the global/nvariability of complex structures, it is sometimes not the most suitable way to achieve/nvaluable results during the segmentation process. Typically, the anatomical variability/nbetween structures is associated to the variability of their physiological regions. In this/nproject, a complete pipeline is proposed for building a statistical shape model to study/nthe local variability of physiological regions of the inner ear. The proposed model,/nwhich is based on an extension of the Point Distribution Model, is build for a training/nset of 17 high-resolution images (24.5 μm) of the inner ear. The model is evaluated/naccording to its generalisation ability and specificity. The results are compared with the/nresults of a global model (without regions) build directly using a Point Distribution/nModel. The evaluation results suggest that better segmentation accuracy can be/nachieved using a regional modelling of the inner ear.