La localització d'òrgans és un tòpic important en l'àmbit de la imatge mèdica per l'ajuda del tractament i diagnosi del càncer. Un exemple es pot trobar en la cal•libració de models farmacoquinètics. Aquesta pot ésser realitzada utilitzant un teixit de referència, on, per exemple en imatges de ressonància magnètica de pit, una correcta segmentació del múscul pectoral és necessària per a la detecció de signes de malignitat. Els mètodes de segmentació basat en atlas han estat altament avaluats en imatge de ressonància magnètica de cervell, obtenint resultats satisfactoris. En aquest projecte, en col•laboració amb el el Diagnostic Image Analysis Group de la Radboud University Nijmegen Medical Centre i la supervisió del Dr. N.Karssemeijer, es presenta la primera aproximació d'un mètode de segmentació basat en atlas per segmentar els diferents teixits visibles en imatges de ressonància magnètica (T1) del pit femení. L'atlas consisteix en 5 estructures (teixit greixòs, teixit dens, cor, pulmons i múscul pectoral) i ha estat utilitzat en un algorisme de segmentació Bayesià per tal de delinear les esmentades estructures. A més a més, s'ha dut a terme una comparació entre un mètode de registre global i un de local, utilitzats tant en la construcció de l'atlas com en la fase de segmentació, essent el primer el que ha presentat millors resultats en termes d'eficiència i precisió. Per a l'avaluació, s'ha dut a terme una comparació visual i numèrica entre les segmentacions obtingudes i les realitzades manualment pels experts col•laboradors. Pel que fa a la numèrica, s'ha emprat el coeficient de similitud de Dice ( mesura que dóna valors entre 0 i 1, on 0 significa no similitud i 1 similitud màxima) i s'ha obtingut una mitjana general de 0.8. Aquest resultat confirma la validesa del mètode presentat per a la segmentació d'imatges de ressonància magnètica del pit.

Organ localization is an important topic in medical imaging in aid of cancer treatment and diagnosis. An example are the pharmacokinetic model calibration methods based on a reference tissue, where, for example in breast Magnetic Resonance Imaging (MRI), a pectoral muscle delineation is needed to detect malignancy signs. Atlas-based segmentation methods has been proven to be powerful in brain MRI. This project, in collaboration with the Diagnostic Image Analysis Group of the Radboud University Nijmegen Medical Centre and under the supervision of the Dr. N.Karssemeijer, presents the first attempt to apply an atlas-based approach to segment breast organs and tissues in T1 weighted MR images. The atlas consists of 5 structures ( fatty and dense tissues, heart, lungs and pectoral muscle) and it has been used in a Bayesian segmentation framework to delineate the mentioned structures. Moreover, the use of global and local registration methods in atlas building and segmentation stages have been compared, where global registration showed the best results in terms of accuracy and speed. For the evaluation, qualitative and quantitative evaluation has been done comparing the obtained segmentations with the ones provided by manual segmentations of an expert. Dice Similarity Coefficient (DSC), which gives values between 0 and 1, where 0 means no overlap and 1 maximum similarity, has been used for quantitative evaluation, obtaining an average value of 0.8. This result shows the validity of our approach to Breast MRI segmentation.