Browsing by Author "Arrieta, Cristóbal"
Now showing 1 - 9 of 9
Results Per Page
Sort Options
- ItemExtensions of Real Atomic Gauges for Complex Signal Recovery(2019) Arrieta, Cristóbal; Sing-Long C., Carlos A.
- ItemLevel set segmentation with shape prior knowledge using intrinsic rotation, translation and scaling alignment(2021) Arrieta, Cristóbal; Sing-Long C., Carlos A.; Mura Mardones, Joaquín Alejandro; Irarrázaval Mena, Pablo; Andía Kohnenkampf, Marcelo Edgardo; Uribe Arancibia, Sergio A.; Tejos Núñez, Cristián Andrés
- ItemLevel set segmentation with shape prior knowledge using intrinsic rotation, translation and scaling alignment(IEEE, 2015) Arrieta, Cristóbal; Sing-Long C., Carlos A.; Uribe Arancibia, Sergio A.; Andía Kohnenkampf, Marcelo Edgardo; Irarrázaval Mena, Pablo; Tejos Núñez, Cristián AndrésLevel set-based algorithms have been extensively used for medical image segmentation. Despite their relative success, standard level set segmentations tend to fail when images are severely corrupted or in poorly defined regions. This problem has been tackled incorporating shape prior knowledge, i.e. restricting the evolving curve to a distribution of shapes pre-defined during a training process. Such shape restriction needs to incorporate invariance to translation, rotations and scaling. The common approach for this is to solve a registration problem during the curve evolution, i.e. finding optimal registration parameters. This procedure is slow and produces variable results depending on the order in which the registration parameters were optimized. To overcome this issue Cremers et al. (2006) proposed an intrinsic alignment formulation, which is a normalized coordinate system for each shape, thus avoiding the optimization step to account for the registration. Nevertheless, their proposed solution considered only scaling and translation, but not rotations which are critical for medical imaging applications. We added rotations to this intrinsic alignment, using eigenvalues and eigenvector matrices of the covariance matrix of each shape, and we incorporated them into the evolution equation, allowing us to use shape priors in complex segmentation problems. We tested our algorithm combined with a Chan-Vese functional in synthetic images and in 2D right ventricle MRI.
- ItemPrior knowledge for level set segmentation.(2017) Arrieta, Cristóbal; Tejos Núñez, Cristián Andrés; Pontificia Universidad Católica de Chile. Escuela de IngenieríaLa segmentación usando Level Sets ha sido utilizada exitosamente en varios tipos de imágenes. Sin embargo, ésta falla cuando las imágenes tienen mucho ruido, bordes difusos u oclusión. El uso de información a priori inferida a partir de bases de datos de entrenamiento permite compensar la baja calidad de las imágenes. La información a priori, puede ser débil o fuerte. La información a priori débil supone geometrías simples de la forma buscada y fuerza una topología rígida. La información a priori fuerte agrega un término de regularización que penaliza formas distintas a las del conjunto de entrenamiento y permite una topología flexible. Esta tesis presenta dos trabajos relacionados con conocimiento a priori, el primero es una aplicación de conocimiento a priori débil en segmentación cardíaca, y el segundo propone un nuevo método de conocimiento a priori fuerte. Para el conocimiento a priori débil, proponemos un método basado en level sets que preserva la topología y segmenta simultánea, rápida y precisamente los ventrículos izquierdo y derecho del corazón. Los resultados de este método fueron comparados con otros obtenidos utilizando softwares clínicamente validados (Viewforum, Philips, Best and Segment, Medviso, Lund), usando two-tailored paired t-test, correlación de Pearson, gráficos de Bland-Altman de índices funcionales y comparación voxel a voxel usando el índice Dice. El two-tailored paired t-test mostró que no hay diferencia significativa entre nuestro método y el gold standard (P<0.05), Pearson mostró alta correlación entre nuestro método y el gold standard (sobre 0.98), el índice Dice mostró alta intersección entre nuestro método y el gold standard (igual o mayor al 90%) y los gráficos de Bland-Altman mostraron alto grado de conscenso y bajo sesgo entre nuestro método y el gold standard. Para el conocimiento a priori fuerte, definir un regularizador invariante a la traslación, rotación y escalmiento de las formas presentes en la base de datos es un gran desafío. Trabajos anteriores lograron esta invarianza acoplando procesos de registro y segmentación. Esta solución es lenta y presenta resultados variables, según cómo se realice el registro. Frente a este problema, Cremers et al. (2006) propusieron un alineamiento intrínseco, mediante el cual las formas de la base de datos son normalizadas y llevadas a un sistema de coordenadas común que permite compararlas. Desgraciadamente, esta solución sólo considera invarianza a la translación y el escalamiento, sin considerar la rotación, crucial en imágenes médicas. Nuestro trabajo es una extensión del trabajo de Cremers, considerando alineamiento intrínseco invariante a la translación, escalamiento y rotación. El nuevo regularizador considera los vectores y valores propios de la matriz de covarianza de las formas de entrenamiento, produciendo un nuevo conjunto de ecuaciones de evolución. Probamos el nuevo regularizador combinado con el algoritmo de Chan-Vese en imágenes sintéticas e imágenes médicas, en 2D y 3D, mostrando resultados efectivos, precisos y destacando la importancia de considerar rotaciones en el proceso de alineamiento intrínseco.
- ItemQuantification of liver fat infiltration by magnetic resonance(2019) Herrera, R.; Peñaloza, F.; Arrieta, Cristóbal; Zacconi, Flavia C. M.; Saavedra, V.; Saavedra, C.; Branes, C.; Hack, T.; Uribe, S.
- ItemQuantitative assessments of geometric errors for rapid prototyping in medical applications(2011) Arrieta, Cristóbal; Tejos Núñez, Cristián Andrés; Pontificia Universidad Católica de Chile. Escuela de IngenieríaEl Prototipado Rápido (PR), tecnología utilizada para construir modelos tridimensionales (3D) o réplicas de objetos, ha tomado gran importancia en aplicaciones médicas, especialmente para planificación de cirugías, diseño de prótesis y docencia. La precisión geométrica de los modelos PR es esencial para estas aplicaciones médicas. El método más común para evaluar la precisión geométrica es identificar puntos anatómicamente relevantes en el objeto original y en el modelo PR y comparar las distancias lineales entre pares de puntos correspondientes. Este tipo de métrica sufre de ciertas ambigüedades y puede llevar a una mala medición del error. Como método alternativo para medir el error, proponemos dos enfoques: (1) Generar una métrica para evaluar la precisión global, usando índices que comparen los volúmenes de la estrutura original y el modelo PR, calculados sobre imágenes de Tomografía Computarizada, y (2) Generar una métrica para evaluar la precisión local, comparando las superficies del objeto original y del modelo PR.
- ItemSensitivity analysis of geometric errors in additive manufacturing medical models(2015) Pinto, José Miguel; Arrieta, Cristóbal; Andía Kohnenkampf, Marcelo Edgardo; Uribe Arancibia, Sergio A.; Ramos Grez, Jorge; Vargas Díaz, Alex Patricio; Irarrázaval Mena, Pablo; Tejos Núñez, Cristián Andrés
- ItemSimultaneous Acquisition of Water-Fat species and Velocity Images in MRI(2025) Denecken Campaña, Esteban Jorge; Uribe Arancibia, Sergio A.; Arrieta, Cristóbal; Pontificia Universidad Católica de Chile. Escuela de IngenieríaLas enfermedades cardio metabólicas, impulsadas principalmente por las enfermedades cardiovasculares (ECVs), representan una amenaza significativa para la salud global. A diferencia de los factores de riesgo tradicionales, los marcadores basados en imágenes ofrecen una comprensión mas matizada de los cambios anatómicos y fisiológicos asociados con estas enfermedades. La resonancia magnética (RM) se destaca como una técnica capaz de proporcionar información cuantitativa detallada sobre el sistema cardiovascular y el estado metabólico, incluyendo la composición corporal y la cuantificación de grasa. Sin embargo, la adquisición de imágenes por RM presenta un desafío debido a su lentitud, dificultando la obtención oportuna de imágenes cardiovasculares y metabólicas. En este estudio, abordamos las dificultades que enfrenta la RM de contraste de fase (PC-MRI) cuando se somete a desafíos fisiológicos, incluidos el movimiento respiratorio y la presencia de grasa. Primero, analizamos los parámetros hemodinámicos calculados a partir de adquisiciones de flujo 4D durante respiración libre y utilizando técnicas de autoguiado respiratorio (Capitulo 2). Luego, introdujimos una novedosa secuencia PCME acoplada a un pipeline 3p-Dixon, que permite la reconstrucción simultanea de imágenes de agua, grasa y velocidad a partir de un solo escaneo (Capitulo 3). A través de pruebas con fantomas numéricos y estudios con voluntarios sanos, demostramos la capacidad de nuestro método PC 3p-Dixon para obtener resultados comparables a las técnicas estándar de manera mas eficiente. No obstante, un problema con este enfoque es que el modelo PC 3p-Dixon no incorpora la descomposición T2* ni un enfoque multipico del modelo de grasa. Este problema se resolvió desarrollando un método que integra PC-MRI 2D con T2* IDEAL (Capítulo 4). La validación de este método mediante simulaciones numéricas e imágenes por RM de voluntarios sanos confirmo su precisión en la estimación de los componentes agua-grasa y la información de velocidad. Finalmente, presentamos un enfoque novedoso que combina flujo 4D por RM con separación agua-grasa T2*-IDEAL, permitiendo la adquisición simultanea de flujo 4D por RM y mapas 3D de agua y grasa (Capítulo 5). En este enfoque, ajustamos ligeramente el tiempo de eco de cada segmento del flujo 4D por RM para abordar el problema de separación agua-grasa. Un estudio de prueba de concepto utilizando simulaciones con fantomas numéricos respaldo el método propuesto de flujo 4D T2*-IDEAL, mostrando resultados comparables a las técnicas estándar en componentes agua-grasa y en la información de velocidad.
- ItemSimultaneous left and right ventricle segmentation using topology preserving level sets(2017) Arrieta, Cristóbal; Uribe Arancibia, Sergio A.; Sing-Long C., Carlos A.; Hurtado Sepúlveda, Daniel; Andía Kohnenkampf, Marcelo Edgardo; Irarrázaval Mena, Pablo; Tejos Núñez, Cristián Andrés