Las enfermedades cardiovasculares (ECVs) son la causa principal de decesos en el mundo entero. Basada en el ultrasonido, la valoracio¿n principal de las ECVs es la medicio¿n de la íntima-media carotídea y de la funcio¿n endotelial humeral. En este trabajo se proponen mejoras a la metodología automática de deteccio¿n del lumen arterial, fundamental en las pruebas referidas, presentada en (Calderon et al., 2013); basada en grafos y deteccio¿n de bordes. Se propone un criterio bayesiano para segmentar el árbol de expansio¿n mínima del grafo creado con los puntos intermedios entre los bordes. El lumen se localiza aplicando sobre las trayectorias segmentadas tres criterios: de longitud, de obscuridad y, el propuesto, de varianza mínima. En 294 sonografías el error promedio en la deteccio¿n de la pared humeral cercana es 14.6μm y desviacio¿n estándar 17.0μm. En la pared lejana es 15.1μm y desviacio¿n estándar 14.5μm. Nuestra metodología mantiene el desempen¿o superior a los resultados en la literatura reciente que la metodología original presenta; superándola en exactitud general.
Cardiovascular diseases (CVDs) are the worldwide leading cause of deaths. Based on ultrasound, the primary assessment of CVDs is measurement of the carotid intima-media thickness and brachial endothelial function. In this work we propose im- provements to the automatic arterial lumen detection metho- dology, fundamental for the cited tests, presented in (Calderon et al., 2013); based on graphs and edge detection. We propose a bayesian approach for segmenting the minimum spanning tree of the graph created with intermediate points between edges. Lumen is located applying three criteria on segmented trajec- tories: length, dark and, our proposal, minimum variance. In 294 sonograms, mean error in brachial near wall detection was 14.6μm and standard deviation of 17.0μm. For far wall it was 15.1μm and standard deviation of 14.5μm. Our methodology maintains superior performance to results in recent literature that the original methodology presents; but surpasses it in ove- rall accuracy.
Amato et al., 2007, Blake and Isard, 2000, Canny, 1986, Celermajer et al., 1994, Cheng et al., 2002, Cohen, 1991, Delsanto et al., 2005, Delsanto et al., 2007, Delsanto et al., 2006, Destrempes et al., 2009, Faita et al., 2008, Fischler and Bolles, 1981, Furberg et al., 1994, Golemati et al., 2005, Golemati et al., 2007, Golemati et al., 2004, Gutierrez et al., 2002, Hough, 1962, Kass et al., 1988, Kruskal, 1956, Lai and Chin, 1995, Liang et al., 2000, Liguori et al., 2001, Lobregt and Viergever, 1995, Loizou et al., 2007, Molinari et al., 2008, Molinari et al., 2009, Molinari and Zeng, 2010, Molinari et al., 2010aMolinari et al., 2010bOrganizacion, 2011, Pignoli and Longo, 1988, Ronfard, 1994, Schmidt and Wendelhag, 1999, Sedgewick and Wayne, 2011, Sivia and Skilling, 2006, Stein et al., 2005, Stoitsis et al., 2008, Strang, 2006, Touboul et al., 1992, Wendelhag et al., 1991, Wendelhag et al., 1997, Wendelhag et al., 1992, Wendelhag et al., 1996, Williams and Shah, 1992, Xu and Prince, 1997, Xu and Prince, 1998 and Xu et al., 2001.