Segmentación Y Estimación de Volumen Hepático En Imágenes Ct

Proponemos una técnica optimizada en GPU para la segmentación y estimación del volumen del hígado en imágenes de Tomografía Computerizada (CT). La propuesta resuelve dos cuellos de botella habituales en los flujos de trabajo clínicos: el gran volumen de datos irrelevantes fuera del órgano de interés y el elevado coste computacional de los algoritmos de segmentación, especialmente los basados en Deep Learning (DL). El método recorta la información irrelevante en imágenes 3D a nivel de vóxel, el algoritmo paralelizado calcula automáticamente un cubo mínimo que contiene el hígado mediante operaciones atómicas sobre las coordenadas de los vóxeles candidatos. Sobre el volumen recortado se aplican tanto métodos clásicos (Chan-Vese, seeded region growing 3D) como una arquitectura U-Net, reduciendo el espacio de búsqueda y la carga de memoria. Los experimentos se han realizado sobre el conjunto LiTS, muestran que el recorte basado en vóxeles elimina de media un 90 % de los datos y acelera los cálculos en torno a 1,4×. Se consigue estimar el volumen de un órgano en menos de 1s en GPUs de gama media. En segmentación, se alcanzan valores de Dice ≈0,96, comparables o superiores al estado del arte, manteniendo una mayor interpretabilidad que las soluciones basadas en DL. La técnica es extensible a otros órganos.