Procesamiento de imágenes médicas aplicando modelos deformables con cómputo de alto rendimiento.

Abstract

En esta tesis se investiga el uso de los modelos deformables como una técnica de segmentación de imágenes y su implementación en entornos de cómputo de alto rendimiento. Los modelos deformables que se utilizan están basados en la primera variación de la energía de un funcional, la cual produce la ecuación de Euler-Lagrange. El funcional representa la energía de un contorno deformable dentro de una imagen. La forma final del contorno se obtiene al minimizar su energía. En este trabajo se estudian y aplican dos modelos deformables. Se hace una comparación de su desempeño resaltando las características de cada uno. Se presenta un análisis del rendimiento entre la segmentación de imágenes médicas con modelos deformables de manera secuencial y la segmentación en paralelo utilizando unidades de procesamiento gráfico. Se propone un algoritmo para la implementación del modelo deformable de flujo vectorial de gradiente en unidades de procesamiento gráfico. El algoritmo propuesto optimiza el uso de los espacios de memoria y la arquitectura de las unidades de procesamiento gráfico. Está diseñado para utilizarse en imágenes en las cuales se han aplicado procesos de mejoramiento, filtros de ruido y que además presentan alto contraste y tienen un tamaño estándar. La evaluación de los resultados de la segmentación se realiza de forma subjetiva. __________________________________

In this thesis the image segmentation with Deformable Models and its parallel implementation is studied. The Deformable Models presented are based on the first energy variation of a functional, which produces the Euler-Lagrange equation. The functional represents the energy of a deformable contour within the image domain. The final shape of the contour represents the minimum energy of the functional. In this thesis, two Deformable Models types are presented and implemented. A comparison between their performance is presented too as well as their main characteristics. It is presented a performance analysis between the serial and parallel implementation of the Deformable Models for medical image segmentation. It is proposed a parallel algorithm for the Gradient Vector Flow Deformable Model. The proposed algorithm is designed for Graphics Processing Units (GPU) and performs optimal use of the memory spaces and architectural characteristics of the GPUs. It is designed for medical images that have been 1) processed with noise reduction and improvement techniques, 2) present high contrast and 3) have regular sizes. The segmentation results are subjective evaluated.