摘要：La principal ventaja de las imágenes de Resonancia Magnética (RM) es su
capacidad para reconocer en ellas diferentes tipos de tejidos. Esto permite
posteriores cuantificaciones para asistir en el diagnóstico de diferentes
patologías. En este trabajo se utiliza Lógica Difusa para evaluar el grado de
verdad de predicados que definen los distintos tejidos en base a las
intensidades de gris que presentan las imágenes de RM pesadas en T1, T2 y PD.
Estos predicados son de la forma “El tejido X es u1 en T1, u2 en T2, u3 en PD”,
siendo u1, u2 y u3 conjuntos difusos definidos en el rango de gris. Los
predicados se elaboran inicialmente en conjunto con médicos especialistas en
imágenes, por lo que intentan implementar las consideraciones que ellos mismos
aplican al identificar los tejidos que los píxeles de las imágenes representan.
El objetivo es determinar qué tejido corresponde a cada píxel, abordando el
problema como un sistema de soporte a las decisiones. El procesamiento de la
imagen se realiza píxel a píxel. Se utilizan operadores para el cálculo de los
conectivos “or”, “and” y la doble implicación basados en el paradigma
recientemente desarrollado de la Lógica Compensatoria. El método ha sido
exitosamente probado tanto con imágenes simuladas como con imágenes reales de
cerebro para determinar líquido cefalorraquídeo, materia gris y materia blanca.
Las operaciones involucradas son sencillas, por lo que el tiempo de
procesamiento es corto, lo que lo hace adecuado y eficiente para trabajar en
estudios 3D, donde debe procesarse una gran cantidad de imágenes.
