Procesamiento de

Imágenes mediante
Morfología Matemática
Aplicada a Imágenes CT
de hígado en pacientes
COVID-19
ÍNDICE

Introducción Contexto Biomédico Marco teórico Experimentación  Conclusiones Referencias

 INTRODUCCIÓN

SEGMENTACIÓN DE IMÁGENES MÉDICAS. http://bibing.us.es/proyectos/abreproy/11854/fichero/Volumen+1%252FCapitulo+3.pdf

 Contexto
Biomédico

El COVID-19 y su salud. (2020, 11 febrero). Centers for Disease Control and Prevention. 
https://espanol.cdc.gov/coronavirus/2019-ncov/need-extra-precautions/liver-disease.html#:%7E:text=%C2%BFEl%20COVID%2D19%20da%C3%B1a%20el,de%20da
%C3%B1o%20al%20menos%20temporalmente
¿Cómo afecta •Incidencia de lesión hepática asociada específicamente a
COVID-19 varía de 14.8-53%.

al hígado? •Alteración en ALT y AST

COVID-19: Cómo afecta a la lesión hepática común | ASSCAT. (2020). asscat. https://asscat-hepatitis.org/covid-19-como-afecta-a-la-lesion-hepatica-comun/

Clínic Barcelona. (2020, 22 junio). Un nuevo estudio analizará cómo afecta la COVID-19 a pacientes con enfermedades hepáticas crónicas. 
https://www.clinicbarcelona.org/noticias/un-nuevo-estudio-analizara-como-afecta-la-covid-19-a-pacientes-con-enfermedades-hepaticas-cronicas
 Hígado graso Fibrosis de hígado

Paso de hígado graso a fibrosis

Cirrosis Cáncer de hígado

Gustavo Raichholz, Sebastián Giménez, Cristian Froullet, Santiago Dumoulin, Hernán Brouver de Köning, José Luis Sañudo.. (2016). Alteraciones morfológicas hepáticas en la cirrosis: hallazgos en imágenes . 22/01/21, de Revista Argentina de Diagnóstico por Imágenes Sitio web:
https://www.webcir.org/revistavirtual/articulos/2016/4_noviembre/faardit/alteraciones_hepaticas_esp.pdf
Anónimo. (----). Hígado graso y fibrosis hepática. 22/01/21, de Radiological Society of North America Sitio web: https://www.radiologyinfo.org/sp/info.cfm?pg=fatty-liver-disease
MARCO TEÓRICO

• Morfología matemática. 
• Morfología matemática binaria. 
• Breves apuntes sobre la
segmentación.
• Tipo de imágenes usadas.
 • Se basa en operaciones de teoría de conjuntos.

MORFOLOGÍA • Se puede utilizar:

• Pre-procesamiento de imágenes (supresión de
ruido, simplificación de formas).

MATEMÁTICA • Destacar la estructura de los objetos (extraer el

esqueleto, detección de objetos, ampliación,
reducción, etc.)
• Descripción de objetos (área, perímetro)

Real, P. (2020). Morfología Matemática Binaria [Diapositivas]. ev.us.es. 

https://learn-eu-central-1-prod-fleet01-xythos.content.blackboardcdn.com/5ac734ed505df/12367486?X-Blackboard-Expiration=1610982000000&X-Blackboard-Signature=UkEPHEqtIZyH9YndHIRZxIainFPR3L0g9HYyiESdAB4%3D&X-Blac
kboard-Client-Id=301949&response-cache-control=private%2C%20max-age%3D21600&response-content-disposition=inline%3B%20filename%2A%3DUTF-8%27%27ISA_IMB_MMB_20.pdf&response-content-type=application%2Fpdf&X-
Dilatación

Erosión
 Apertura morfológica
• La apertura del conjunto X por el elemento
estructurante Y. Eliminación de objetos
menores en tamaño al elemento
estructurante. La apertura redondea las
convexidades importantes. 
• Sucesión de erosión y dilatación

Cierre morfológico
• El cierre de un conjunto X por un elemento
estructurante con forma de disco se ilustra en
la figura de abajo. El cierre es el espacio
descrito por el elemento estructurante cuando
es forzado a estar fuera de los conjuntos. 
• Sucesión de dilatación y erosión

Gabriel Francisco Zamora Ortiz. (----). Fundamentos de Morfología Matemática . 23/01/21, de Repositorio
Institucional de la Universidad de Alicante Sitio web:
https://rua.ua.es/dspace/bitstream/10045/10053/5/Ortiz-Zamora-Francisco-Gabriel_4.pdf
 Segmentación de imágenes
SEGMENTACIÓN mediante umbralización:
Se basa en estas propiedades básicas: • Objeto del fondo.
• Discontinuidad • Binarización.
• Similitud • Valores umbral dentro de los
Tipos de segmentación: niveles de grises.
• Basada en borde. • Menores al umbral negro
• Mayores al umbral blanco
• Basadas en interior de regiones.
• Basada en color.
• Tipos de umbralización:
• Global: un solo umbral.
• Basada en textura.  • Local: más de un valor umbral, para
• Basada en disparidad.  varias regiones de la imagen.
• Basada en movimiento.

Real, P. (2020). Introducción a la segmentación de imágenes biomédicas [Diapositivas]. ev.us.es. 

https://learn-eu-central-1-prod-fleet01-xythos.content.blackboardcdn.com/5ac734ed505df/12660490?X-Blackboard-Expiration=1610982000000&X-Blackboard-Signature=ZWLtDCEWdlQqdtkx0%2Fh9%2Fb3G7h5s3Q480mfmCfiiEcg%3D&X-Blackboard-Clie
nt-Id=301949&response-cache-control=private%2C%20max-age%3D21600&response-content-disposition=inline%3B%20filename%2A%3DUTF-8%27%27ISA_IMB_INTRO_SEGM_20.pdf&response-content-type=application%2Fpdf&X-Amz-Algorithm=AW
S4-HMAC-SHA256&X-Amz-Date=20210118T090000Z&X-Amz-SignedHeaders=host&X-Amz-Expires=21600&X-Amz-Credential=AKIAZH6WM4PL5M5HI5WH%2F20210118%2Feu-central-1%2Fs3%2Faws4_request&X-Amz-Signature=8519acf071602fb507
94da5972ce206a6ae8cd658ac1f0bf841f932620485981

Real, P. (2020). Segmentación de imagen médica (aplicaciones radiológicas y binarización) [Diapositivas]. ev.us.es. 

https://learn-eu-central-1-prod-fleet01-xythos.content.blackboardcdn.com/5ac734ed505df/12660494?X-Blackboard-Expiration=1610982000000&X-Blackboard-Signature=ZRAefbtDYag52eLp5fWHSB9Eg0luS6GbMcxBQXWLwbs%3D&X-Blackboard-Client-Id
=301949&response-cache-control=private%2C%20max-age%3D21600&response-content-disposition=inline%3B%20filename%2A%3DUTF-8%27%27ISA_IMB__SEGM_THRESH_20.pdf&response-content-type=application%2Fpdf&X-Amz-Algorithm=AWS
TIPO DE IMAGEN
• Tomografía Computerizada (CT)
• Base de datos:
• TCIA Browser
• CT Lymph Nodes

Tomografía Computarizada (TC). (s. f.). NIH NIBIB. https://www.nibib.nih.gov/espanol/temas-cientificos/tomograf%C3%ADa-computarizada-tc

 function B=erosion(A)
[H W]=size(A);
B=zeros(H,W);
K=[1 1 1;
1 1 1;
1 1 1];
for f=(1+1):(H-1)
for c=(1+1):(W-1)
suma=0;
for ff=-1:1
for cc=-1:1
PROGRAMACIÓN suma=suma+K(ff+2,cc+2)*A(f+ff,c+cc)/255;
end;
end;

EROSIÓN if suma==sum(sum(K))
B(f,c)=255;
else
B(f,c)=0;
end;
end;
end;

Roncagliolo B., P. (2007). Procesamiento Digital de Imágenes [Diapositivas]. Universidad Técnica Federico Santa
María. http://www2.elo.utfsm.cl/~elo328/PDI12_Morfologia.pdf
 function B=dilatacion(A)
[H W]=size(A);
B=zeros(H,W);
K=[1 1 1;
1 1 1;
1 1 1];
for f=(1+1):(H-1)
for c=(1+1):(W-1)
suma=0;
for ff=-1:1

PROGRAMACIÓN for cc=-1:1

suma=suma+K(ff+2,cc+2)*A(f+ff,c+cc)/255;
end;
end;

DILATACIÓN if suma>=1
B(f,c)=255;
else
B(f,c)=0;
end;
end;
end;

Roncagliolo B., P. (2007). Procesamiento Digital de Imágenes [Diapositivas]. Universidad Técnica Federico Santa
María. http://www2.elo.utfsm.cl/~elo328/PDI12_Morfologia.pdf
EXPERIMENTACIÓN
EXPERIMENTACIÓN
EXPERIMENTACIÓN
EXPERIMENTACIÓN
EXPERIMENTACIÓN
EXPERIMENTACIÓN
EXPERIMENTACIÓN
RESULTADOS
RESULTADOS
CONCLUSIÓN
 REFERENCIAS
• CONTEXTO BIOMÉDICO.
• El COVID-19 y su salud. (2020, 11 febrero). Centers for Disease Control and Prevention. 
https://espanol.cdc.gov/coronavirus/2019-ncov/need-extra-precautions/liver-disease.html#:%7E:text=%C2%BFEl%20COVID%2D19%20da%C3%B1a%20el,de%20da%C3%B1o%20al
%20menos%20temporalmente
• COVID-19: Cómo afecta a la lesión hepática común | ASSCAT. (2020). asscat. https://asscat-hepatitis.org/covid-19-como-afecta-a-la-lesion-hepatica-comun/
• Clínic Barcelona. (2020, 22 junio). Un nuevo estudio analizará cómo afecta la COVID-19 a pacientes con enfermedades hepáticas crónicas.  
• https://www.clinicbarcelona.org/noticias/un-nuevo-estudio-analizara-como-afecta-la-covid-19-a-pacientes-con-enfermedades-hepaticas-cronicas
• Gustavo Raichholz, Sebastián Giménez, Cristian Froullet, Santiago Dumoulin, Hernán Brouver de Köning, José Luis Sañudo.. (2016). Alteraciones
morfológicas hepáticas en la cirrosis: hallazgos en imágenes . 22/01/21, de Revista Argentina de Diagnóstico por Imágenes Sitio web:
https://www.webcir.org/revistavirtual/articulos/2016/4_noviembre/faardit/alteraciones_hepaticas_esp.pdf
• MARCO TEÓRICO
• Real, P. (2020). Morfología Matemática Binaria [Diapositivas]. ev.us.es. 
https://learn-eu-central-1-prod-fleet01-xythos.content.blackboardcdn.com/5ac734ed505df/12367486?X-Blackboard-Expiration=1610982000000&X-Blackboard-Signature=UkEPHE
qtIZyH9YndHIRZxIainFPR3L0g9HYyiESdAB4%3D&X-Blackboard-Client-Id=301949&response-cache-control=private%2C%20max-age%3D21600&response-content-disposition=inline
%3B%20filename%2A%3DUTF-8%27%27ISA_IMB_MMB_20.pdf&response-content-type=application%2Fpdf&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Date=20210118T090
000Z&X-Amz-SignedHeaders=host&X-Amz-Expires=21600&X-Amz-Credential=AKIAZH6WM4PL5M5HI5WH%2F20210118%2Feu-central-1%2Fs3%2Faws4_request&X-Amz-Signatur
e=32780ed6f2401b2546379222085d573a0d4d51282eb7dfe13e43fb5fcd7c05d6
• Real, P. (2020). Introducción a la segmentación de imágenes biomédicas [Diapositivas]. ev.us.es. 
https://learn-eu-central-1-prod-fleet01-xythos.content.blackboardcdn.com/5ac734ed505df/12660490?X-Blackboard-Expiration=1610982000000&X-Blackboard-Signature=ZWLtD
CEWdlQqdtkx0%2Fh9%2Fb3G7h5s3Q480mfmCfiiEcg%3D&X-Blackboard-Client-Id=301949&response-cache-control=private%2C%20max-age%3D21600&response-content-dispositi
on=inline%3B%20filename%2A%3DUTF-8%27%27ISA_IMB_INTRO_SEGM_20.pdf&response-content-type=application%2Fpdf&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Dat
e=20210118T090000Z&X-Amz-SignedHeaders=host&X-Amz-Expires=21600&X-Amz-Credential=AKIAZH6WM4PL5M5HI5WH%2F20210118%2Feu-central-1%2Fs3%2Faws4_request
&X-Amz-Signature=8519acf071602fb50794da5972ce206a6ae8cd658ac1f0bf841f932620485981

• Real, P. (2020). Segmentación de imagen médica (aplicaciones radiológicas y binarización) [Diapositivas]. ev.us.es. 

https://learn-eu-central-1-prod-fleet01-xythos.content.blackboardcdn.com/5ac734ed505df/12660494?X-Blackboard-Expiration=1610982000000&X-Blackboard-Signature=ZRAefb
tDYag52eLp5fWHSB9Eg0luS6GbMcxBQXWLwbs%3D&X-Blackboard-Client-Id=301949&response-cache-control=private%2C%20max-age%3D21600&response-content-disposition=i
nline%3B%20filename%2A%3DUTF-8%27%27ISA_IMB__SEGM_THRESH_20.pdf&response-content-type=application%2Fpdf&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Date
=20210118T090000Z&X-Amz-SignedHeaders=host&X-Amz-Expires=21600&X-Amz-Credential=AKIAZH6WM4PL5M5HI5WH%2F20210118%2Feu-central-1%2Fs3%2Faws4_request&
X-Amz-Signature=b451d3dfd90d3bb9506625e973d59138f9883f5e53148e56ea87fb502c67492e

TIPO DE IMÁGENES USADAS:

• Tomografía Computarizada (TC). (s. f.). NIH NIBIB. https://www.nibib.nih.gov/espanol/temas-cientificos/tomograf%C3%ADa-computarizada-tc
• Universidad de Sevilla.
• 3 º Grado en Ingeniería de la Salud
• Asignatura Imágenes Biomédicas

• Datos de contacto:
• Celia Pérez Pérez 
celiapp00@gmail.com
• Felipe Bello Martín 
felipebellomartin@gmail.com
• María González Genil 
mariagongen@gmail.com