Técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis

La osteoporosis es una enfermedad que afecta a los huesos, la cual se caracteriza por la falta de masa ósea y por un deterioro de las estructuras trabeculares. Generalmente, la técnica que se utiliza para su detección es la densitometría ósea, la cual mide la densidad de los huesos, que actúan en nu...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Iglesias, Arturo F., Saleres, Anabella S., Vogel, Walter D., Massa, José M., Tristán, Paula, Santiago, Martin
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2010
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/19498
Aporte de:
id I19-R120-10915-19498
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
COMPUTER GRAPHICS
diagnóstico por imágenes
medicina y tecnología
osteoporosis
spellingShingle Ciencias Informáticas
COMPUTER GRAPHICS
diagnóstico por imágenes
medicina y tecnología
osteoporosis
Iglesias, Arturo F.
Saleres, Anabella S.
Vogel, Walter D.
Massa, José M.
Tristán, Paula
Santiago, Martin
Técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis
topic_facet Ciencias Informáticas
COMPUTER GRAPHICS
diagnóstico por imágenes
medicina y tecnología
osteoporosis
description La osteoporosis es una enfermedad que afecta a los huesos, la cual se caracteriza por la falta de masa ósea y por un deterioro de las estructuras trabeculares. Generalmente, la técnica que se utiliza para su detección es la densitometría ósea, la cual mide la densidad de los huesos, que actúan en nuestro cuerpo como reservorio de calcio. Sin embargo se ha comprobado que es posible asistir al diagnóstico de osteoporosis utilizando imágenes radiológicas mediante la detección y análisis de ciertas zonas de interés. El conocimiento que tienen los profesionales en medicina permite la localización de estas zonas dentro de las imágenes. Sin embargo es muy beneficioso contar con herramientas informáticas eficientes y eficaces para la detección de las mismas, ya que el tiempo que les insume este proceso puede resultar excesivo para grandes volúmenes de datos. Este trabajo propone una herramienta que permite entre otras cosas detectar de forma semi-automática las regiones de interés en la cabeza del hueso fémur para luego aplicar métodos de asistencia al diagnóstico de osteoporosis.
format Objeto de conferencia
Objeto de conferencia
author Iglesias, Arturo F.
Saleres, Anabella S.
Vogel, Walter D.
Massa, José M.
Tristán, Paula
Santiago, Martin
author_facet Iglesias, Arturo F.
Saleres, Anabella S.
Vogel, Walter D.
Massa, José M.
Tristán, Paula
Santiago, Martin
author_sort Iglesias, Arturo F.
title Técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis
title_short Técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis
title_full Técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis
title_fullStr Técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis
title_full_unstemmed Técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis
title_sort técnicas de segmentación semi-automática en imágenes para diagnóstico de osteoporosis
publishDate 2010
url http://sedici.unlp.edu.ar/handle/10915/19498
work_keys_str_mv AT iglesiasarturof tecnicasdesegmentacionsemiautomaticaenimagenesparadiagnosticodeosteoporosis
AT saleresanabellas tecnicasdesegmentacionsemiautomaticaenimagenesparadiagnosticodeosteoporosis
AT vogelwalterd tecnicasdesegmentacionsemiautomaticaenimagenesparadiagnosticodeosteoporosis
AT massajosem tecnicasdesegmentacionsemiautomaticaenimagenesparadiagnosticodeosteoporosis
AT tristanpaula tecnicasdesegmentacionsemiautomaticaenimagenesparadiagnosticodeosteoporosis
AT santiagomartin tecnicasdesegmentacionsemiautomaticaenimagenesparadiagnosticodeosteoporosis
bdutipo_str Repositorios
_version_ 1764820464182493186