A fuzzy approach for feature extraction of brain tissues in Non-Contrast CT

Resumen

En neuroimagen, la segmentación de tejidos cerebrales es una parte fundamental de las técnicas que buscan au-tomatizar la detección de patologías, la cuantificación de tejidos o la evaluación del progreso de un tratamiento. Debido a su amplia disponibilidad, menor costo que otras técnicas de imagen, rápida ejecución y eficacia probada, la tomografía computarizada cerebral sin contraste (TCNC) es la técnica mayormente utilizada en emergencias para el examen neurorradiológico, sin embargo, la dificultad inherente que representa la segmentación de los tejidos cerebrales, hace que la mayoría de las investigaciones sobre la segmentación del cerebro se centren en la resonan-cia magnética. En este trabajo se realizó la caracterización de tres tejidos cerebrales: sustancia blanca, sustancia gris y líquido cefalorraquídeo en imágenes TCNC. Dichas estructuras fueron caracterizadas con base en el índice de atenuación radiológica denotadas por las Unidades Hounsfield utilizando técnicas de lógica difusa. Se evaluó la caracterización de cada tejido en diversos cortes de TCNC y se cuantificó la técnica de extracción de características en imágenes a partir de tejidos reales con una sensibilidad de 92% y una especificidad de 96% para tejidos en cortes de 1 mm de grosor y 96% y 98% para los de 1.5 mm demostrando la habilidad del método como extractor de carac-terísticas de los tejidos cerebrales.