Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Revista Facultad de Ingeniería
Print version ISSN 0121-1129On-line version ISSN 2357-5328
Abstract
RODRIGUEZ-BASTIDAS, Oscar and VARGAS-ROSERO M. SC., Hermes-Fabián. Geração de modelos 3D de tumor desde imagens DICOM, para planificação virtual de sua recessão. Rev. Fac. ing. [online]. 2020, vol.29, n.54, e10173. Epub Feb 01, 2020. ISSN 0121-1129. https://doi.org/10.19053/01211129.v29.n54.2020.10173.
As imagens médicas são imprescindíveis para a realização do diagnóstico, planificação de cirurgia e evolução da patologia. O avanço da tecnologia tem desenvolvido novas técnicas para obter imagens digitais com mais detalhes, isto, por sua vez, tem algumas desvantagens, entre elas: a análise de grandes volumes de informação, tempo prolongado para determinar uma região afetada e dificuldade para definir o tecido maligno para sua posterior extirpação, entre as mais relevantes. Este artigo apresenta uma estratégia de segmentação de imagens e a optimização de um método de geração de modelos tridimensionais. Implementou-se um protótipo no qual logrou-se avaliar os algoritmos de segmentação e técnica de reconstrução 3D, permitindo visualizar o modelo do tumor desde diferentes pontos de vista mediante realidade virtual. Nesta pesquisa, avalia-se o custo computacional e a experiência do usuário; os parâmetros selecionados em termos de custo computacional são o tempo e o consumo de RAM. Utilizaram-se 140 imagens MRI cada uma delas com dimensões de 260x320 pixels, e como resultado, obteve-se um tempo aproximado de 37.16s e o consumo de memória RAM é de 1.3GB. Outro experimento realizado é a segmentação e reconstrução de um tumor; este modelo está formado por uma rede tridimensional que contém 151 vértices e 318 caras. Finalmente, avalia-se a aplicação com uma prova de usabilidade aplicada a uma amostra de 20 pessoas com diferentes áreas de conhecimento, os resultados mostram que os gráficos apresentados pelo software são agradáveis, também se evidencia que o software é intuitivo e fácil de usar. Também mencionam que ajuda a melhorar a compressão de imagens médicas.
Keywords : imagens médicas; k-means; rede 3D; modelo 3D; segmentação de imagens; usabilidade.