Reconocimiento De Tejidos En Imágenes De Resonancia Magnética De Cerebro A Través De Valores De Verdad De Predicados Difusos.

Abstract

La principal ventaja de las imágenes de Resonancia Magnética (RM) es su capacidad para reconocer en ellas diferentes tipos de tejidos. Esto permite posteriores cuantificaciones para asistir en el diagnóstico de diferentes patologías. En este trabajo se utiliza Lógica Difusa para evaluar el grado de verdad de predicados que definen los distintos tejidos en base a las intensidades de gris que presentan las imágenes de RM pesadas en T1, T2 y PD. Estos predicados son de la forma “El tejido X es u1 en T1, u2 en T2, u3 en PD”, siendo u1, u2 y u3 conjuntos difusos definidos en el rango de gris. Los predicados se elaboran inicialmente en conjunto con médicos especialistas en imágenes, por lo que intentan implementar las consideraciones que ellos mismos aplican al identificar los tejidos que los píxeles de las imágenes representan. El objetivo es determinar qué tejido corresponde a cada píxel, abordando el problema como un sistema de soporte a las decisiones. El procesamiento de la imagen se realiza píxel a píxel. Se utilizan operadores para el cálculo de los conectivos “or”, “and” y la doble implicación basados en el paradigma recientemente desarrollado de la Lógica Compensatoria. El método ha sido exitosamente probado tanto con imágenes simuladas como con imágenes reales de cerebro para determinar líquido cefalorraquídeo, materia gris y materia blanca. Las operaciones involucradas son sencillas, por lo que el tiempo de procesamiento es corto, lo que lo hace adecuado y eficiente para trabajar en estudios 3D, donde debe procesarse una gran cantidad de imágenes.