se ha leído el artículo
array:24 [ "pii" => "S2253654X13001169" "issn" => "2253654X" "doi" => "10.1016/j.remn.2013.06.010" "estado" => "S300" "fechaPublicacion" => "2014-03-01" "aid" => "518" "copyright" => "Elsevier España, S.L. and SEMNIM" "copyrightAnyo" => "2013" "documento" => "article" "crossmark" => 0 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2014;33:79-86" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:2 [ "total" => 1292 "formatos" => array:3 [ "EPUB" => 13 "HTML" => 1084 "PDF" => 195 ] ] "Traduccion" => array:1 [ "en" => array:19 [ "pii" => "S2253808914000081" "issn" => "22538089" "doi" => "10.1016/j.remnie.2014.01.007" "estado" => "S300" "fechaPublicacion" => "2014-03-01" "aid" => "518" "copyright" => "Elsevier España, S.L. and SEMNIM" "documento" => "article" "crossmark" => 0 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2014;33:79-86" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:2 [ "total" => 675 "formatos" => array:2 [ "HTML" => 496 "PDF" => 179 ] ] "en" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original Article</span>" "titulo" => "Validation of segmentation techniques for positron emission tomography using <span class="elsevierStyleItalic">ex vivo</span> images of oncological surgical specimens" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:2 [ 0 => "en" 1 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "79" "paginaFinal" => "86" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Validación de técnicas de segmentación para la tomografía por emisión de positrones mediante imágenes <span class="elsevierStyleItalic">ex vivo</span> de piezas quirúrgicas oncológicas" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0005" "etiqueta" => "Fig. 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 433 "Ancho" => 1904 "Tamanyo" => 118029 ] ] "descripcion" => array:1 [ "en" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Protocol of <span class="elsevierStyleItalic">ex vivo</span> PET acquisition.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "E. Prieto, J.M. Martí-Climent, M. Gómez-Fernández, M.J. García-Velloso, M. Valero, P. Garrastachu, J. Aristu, J.L. Alcázar, W. Torre, J.L. Hernández, F.J. Pardo, I. Peñuelas, J.A. Richter" "autores" => array:13 [ 0 => array:2 [ "nombre" => "E." "apellidos" => "Prieto" ] 1 => array:2 [ "nombre" => "J.M." "apellidos" => "Martí-Climent" ] 2 => array:2 [ "nombre" => "M." "apellidos" => "Gómez-Fernández" ] 3 => array:2 [ "nombre" => "M.J." "apellidos" => "García-Velloso" ] 4 => array:2 [ "nombre" => "M." "apellidos" => "Valero" ] 5 => array:2 [ "nombre" => "P." "apellidos" => "Garrastachu" ] 6 => array:2 [ "nombre" => "J." "apellidos" => "Aristu" ] 7 => array:2 [ "nombre" => "J.L." "apellidos" => "Alcázar" ] 8 => array:2 [ "nombre" => "W." "apellidos" => "Torre" ] 9 => array:2 [ "nombre" => "J.L." "apellidos" => "Hernández" ] 10 => array:2 [ "nombre" => "F.J." "apellidos" => "Pardo" ] 11 => array:2 [ "nombre" => "I." "apellidos" => "Peñuelas" ] 12 => array:2 [ "nombre" => "J.A." "apellidos" => "Richter" ] ] ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "es" => array:9 [ "pii" => "S2253654X13001169" "doi" => "10.1016/j.remn.2013.06.010" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X13001169?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253808914000081?idApp=UINPBA00004N" "url" => "/22538089/0000003300000002/v1_201403190010/S2253808914000081/v1_201403190010/en/main.assets" ] ] "itemSiguiente" => array:19 [ "pii" => "S2253654X13001339" "issn" => "2253654X" "doi" => "10.1016/j.remn.2013.07.009" "estado" => "S300" "fechaPublicacion" => "2014-03-01" "aid" => "530" "copyright" => "Elsevier España, S.L. and SEMNIM" "documento" => "article" "crossmark" => 0 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2014;33:87-92" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:2 [ "total" => 2300 "formatos" => array:3 [ "EPUB" => 12 "HTML" => 1753 "PDF" => 535 ] ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Utilidad de la PET/TC en el manejo del cáncer de vulva" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "87" "paginaFinal" => "92" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Utility of the PET/CT in vulvar cancer management" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 1366 "Ancho" => 1400 "Tamanyo" => 174216 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Cortes transaxiales de la imagen de TC, PET y PET/TC e imagen 3<span class="elsevierStyleHsp" style=""></span>D: la flecha blanca señala un implante tumoral con captación patológica de FDG situado en la fosa isquiorrectal izquierda, con un SUVmáx. 3.2. La paciente presentaba un cáncer epidermoide de vulva de nuevo diagnóstico, y este hallazgo junto con la extensión del tumor vulvar condicionó la realización de un tratamiento de quimioterapia neoadyuvante, que retrasó la cirugía vulvar.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "V. Peiró, L. Chiva, A. González, R. Bratos, S. Alonso, R. Márquez, N. Carballo, J.C. Alonso-Farto" "autores" => array:8 [ 0 => array:2 [ "nombre" => "V." "apellidos" => "Peiró" ] 1 => array:2 [ "nombre" => "L." "apellidos" => "Chiva" ] 2 => array:2 [ "nombre" => "A." "apellidos" => "González" ] 3 => array:2 [ "nombre" => "R." "apellidos" => "Bratos" ] 4 => array:2 [ "nombre" => "S." "apellidos" => "Alonso" ] 5 => array:2 [ "nombre" => "R." "apellidos" => "Márquez" ] 6 => array:2 [ "nombre" => "N." "apellidos" => "Carballo" ] 7 => array:2 [ "nombre" => "J.C." "apellidos" => "Alonso-Farto" ] ] ] ] ] "idiomaDefecto" => "es" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S225380891400007X" "doi" => "10.1016/j.remnie.2014.01.006" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S225380891400007X?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X13001339?idApp=UINPBA00004N" "url" => "/2253654X/0000003300000002/v1_201403040016/S2253654X13001339/v1_201403040016/es/main.assets" ] "itemAnterior" => array:19 [ "pii" => "S2253654X13001157" "issn" => "2253654X" "doi" => "10.1016/j.remn.2013.06.009" "estado" => "S300" "fechaPublicacion" => "2014-03-01" "aid" => "517" "copyright" => "Elsevier España, S.L. and SEMNIM" "documento" => "article" "crossmark" => 0 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2014;33:72-8" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:2 [ "total" => 1120 "formatos" => array:3 [ "EPUB" => 8 "HTML" => 850 "PDF" => 262 ] ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Variables que influyen en la indicación de una segunda gated-SPECT de perfusión miocárdica después una gated-SPECTde estrés-reposo normal" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "72" "paginaFinal" => "78" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Variables that influence the indication of a second myocardial perfusion gated-SPECT after a normal stress-rest gated SPECT." ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 2050 "Ancho" => 1667 "Tamanyo" => 269283 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Ejemplo de una primera SPECT de perfusión miocárdica esfuerzo máximo-reposo normal (1) en un paciente con dolor atípico después de la implantación de un stent en la coronaria derecha y de una segunda SPECT (2) practicada al cabo de 2 años en la que se observa un defecto moderado apical reversible. E: esfuerzo, EC: eje corto, ELH: eje largo horizontal, ELV: eje largo vertical, R: reposo.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "G. Romero-Farina, J. Candell-Riera, S. Aguadé-Bruix, G. Cuberas-Borrós, M.N. Pizzi, A. Santos, G. de León, D. García-Dorado" "autores" => array:8 [ 0 => array:2 [ "nombre" => "G." "apellidos" => "Romero-Farina" ] 1 => array:2 [ "nombre" => "J." "apellidos" => "Candell-Riera" ] 2 => array:2 [ "nombre" => "S." "apellidos" => "Aguadé-Bruix" ] 3 => array:2 [ "nombre" => "G." "apellidos" => "Cuberas-Borrós" ] 4 => array:2 [ "nombre" => "M.N." "apellidos" => "Pizzi" ] 5 => array:2 [ "nombre" => "A." "apellidos" => "Santos" ] 6 => array:2 [ "nombre" => "G." "apellidos" => "de León" ] 7 => array:2 [ "nombre" => "D." "apellidos" => "García-Dorado" ] ] ] ] ] "idiomaDefecto" => "es" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S2253808914000020" "doi" => "10.1016/j.remnie.2014.01.001" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253808914000020?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X13001157?idApp=UINPBA00004N" "url" => "/2253654X/0000003300000002/v1_201403040016/S2253654X13001157/v1_201403040016/es/main.assets" ] "es" => array:19 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Validación de técnicas de segmentación para la tomografía por emisión de positrones mediante imágenes <span class="elsevierStyleItalic">ex-vivo</span> de piezas quirúrgicas oncológicas" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "79" "paginaFinal" => "86" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "E. Prieto, J.M. Martí-Climent, M. Gómez-Fernández, M.J. García-Velloso, M. Valero, P. Garrastachu, J. Aristu, J.L. Alcázar, W. Torre, J.L. Hernández, F.J. Pardo, I. Peñuelas, J.A. Richter" "autores" => array:13 [ 0 => array:3 [ "nombre" => "E." "apellidos" => "Prieto" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 1 => array:4 [ "nombre" => "J.M." "apellidos" => "Martí-Climent" "email" => array:1 [ 0 => "jmmartic@unav.es" ] "referencia" => array:2 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] 1 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">¿</span>" "identificador" => "cor0005" ] ] ] 2 => array:3 [ "nombre" => "M." "apellidos" => "Gómez-Fernández" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 3 => array:3 [ "nombre" => "M.J." "apellidos" => "García-Velloso" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 4 => array:3 [ "nombre" => "M." "apellidos" => "Valero" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 5 => array:3 [ "nombre" => "P." "apellidos" => "Garrastachu" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 6 => array:3 [ "nombre" => "J." "apellidos" => "Aristu" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] 7 => array:3 [ "nombre" => "J.L." "apellidos" => "Alcázar" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">d</span>" "identificador" => "aff0020" ] ] ] 8 => array:3 [ "nombre" => "W." "apellidos" => "Torre" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">e</span>" "identificador" => "aff0025" ] ] ] 9 => array:3 [ "nombre" => "J.L." "apellidos" => "Hernández" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">f</span>" "identificador" => "aff0030" ] ] ] 10 => array:3 [ "nombre" => "F.J." "apellidos" => "Pardo" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">g</span>" "identificador" => "aff0035" ] ] ] 11 => array:3 [ "nombre" => "I." "apellidos" => "Peñuelas" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 12 => array:3 [ "nombre" => "J.A." "apellidos" => "Richter" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] ] "afiliaciones" => array:7 [ 0 => array:3 [ "entidad" => "Departamento de Medicina Nuclear, Clínica Universidad de Navarra, Pamplona, España" "etiqueta" => "a" "identificador" => "aff0005" ] 1 => array:3 [ "entidad" => "Departamento de Matemáticas, Universidad Pública de Navarra, Pamplona, España" "etiqueta" => "b" "identificador" => "aff0010" ] 2 => array:3 [ "entidad" => "Departamento de Oncología Radioterápica, Clínica Universidad de Navarra, Pamplona, España" "etiqueta" => "c" "identificador" => "aff0015" ] 3 => array:3 [ "entidad" => "Departamento de Ginecología y Obstetricia, Clínica Universidad de Navarra, Pamplona, España" "etiqueta" => "d" "identificador" => "aff0020" ] 4 => array:3 [ "entidad" => "Departamento de Cirugía Torácica, Clínica Universidad de Navarra, Pamplona, España" "etiqueta" => "e" "identificador" => "aff0025" ] 5 => array:3 [ "entidad" => "Departamento de Cirugía General y Digestiva, Clínica Universidad de Navarra, Pamplona, España" "etiqueta" => "f" "identificador" => "aff0030" ] 6 => array:3 [ "entidad" => "Departamento de Anatomía Patológica, Clínica Universidad de Navarra, Pamplona, España" "etiqueta" => "g" "identificador" => "aff0035" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Validation of segmentation techniques for positron emission tomography using ex-vivo images of oncological surgical specimens" ] ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0025" "etiqueta" => "Figura 5" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr5.jpeg" "Alto" => 1043 "Ancho" => 2317 "Tamanyo" => 259630 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">Ejemplo de segmentación de 3 piezas quirúrgicas. Se muestra la imagen PET de alta resolución, la imagen PET del Biograph Duo con y sin interpolación y los resultados de la segmentación con los mejores métodos (Otsu, Ridler, Ramesh y el umbral del 42%). El contorno rojo representa el volumen de referencia obtenido de la imagen de alta resolución.</p>" ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Introducción</span><p id="par0005" class="elsevierStylePara elsevierViewall">La tomografía por emisión de positrones (PET) es una técnica de diagnóstico por imagen que ha demostrado una gran utilidad en el campo de la oncología<a class="elsevierStyleCrossRefs" href="#bib0005"><span class="elsevierStyleSup">1,2</span></a>. Recientemente, se ha originado un gran interés sobre su potencial para la planificación de tratamientos de radioterapia<a class="elsevierStyleCrossRefs" href="#bib0015"><span class="elsevierStyleSup">3,4</span></a>. El proceso más crítico para dicha planificación es la delimitación precisa del volumen tumoral a tratar<a class="elsevierStyleCrossRef" href="#bib0025"><span class="elsevierStyleSup">5</span></a>.</p><p id="par0010" class="elsevierStylePara elsevierViewall">Actualmente en la práctica clínica rutinaria, la delimitación del volumen tumoral se realiza manualmente sobre imágenes anatómicas como la tomografía computarizada o la resonancia magnética. Sin embargo, la delineación manual sobre imágenes PET es bastante compleja debido a la limitada resolución espacial de esta modalidad, produciéndose una elevada variabilidad tanto intra- como interoperador<a class="elsevierStyleCrossRef" href="#bib0030"><span class="elsevierStyleSup">6</span></a>. Por este motivo, en el caso del PET se requiere una técnica de segmentación estandarizada, automática y robusta para la determinación del volumen tumoral<a class="elsevierStyleCrossRef" href="#bib0035"><span class="elsevierStyleSup">7</span></a>.</p><p id="par0015" class="elsevierStylePara elsevierViewall">La técnica más utilizada actualmente para segmentar imágenes PET es el método del valor umbral, fundamentalmente debido a su sencillez de implementación y aplicación. Generalmente, se selecciona el umbral visualmente según el criterio del especialista en medicina nuclear. Sin embargo, la selección del umbral óptimo es crítica para una correcta delimitación.</p><p id="par0020" class="elsevierStylePara elsevierViewall">En los últimos años se ha publicado un gran número de trabajos relacionados con la investigación de diferentes técnicas de segmentación automáticas o semiautomáticas aplicables a la detección del volumen tumoral sobre imágenes PET. Las técnicas propuestas abarcan desde la utilización de un umbral fijo, relativo<a class="elsevierStyleCrossRefs" href="#bib0040"><span class="elsevierStyleSup">8-10</span></a> o seleccionado automáticamente<a class="elsevierStyleCrossRef" href="#bib0055"><span class="elsevierStyleSup">11</span></a> hasta la segmentación mediante complejos modelos estadísticos<a class="elsevierStyleCrossRefs" href="#bib0060"><span class="elsevierStyleSup">12-14</span></a>. No obstante, todavía no existe un método estandarizado para este fin.</p><p id="par0025" class="elsevierStylePara elsevierViewall">Antes de su traslación a la práctica clínica, toda técnica de segmentación debe ser validada. El propósito de la validación es comprobar que el método de delineación considerado es aplicable a una amplia variedad de casos con una precisión razonable. La calidad y la congruencia de la validación dependen tanto de la calidad de los criterios de evaluación como del conjunto de imágenes utilizado. De hecho, la precisión de la delineación automática está directamente condicionada por la calidad de imagen. Por lo tanto, el protocolo de adquisición y reconstrucción de las imágenes es tan importante como la técnica de delimitación en sí<a class="elsevierStyleCrossRef" href="#bib0075"><span class="elsevierStyleSup">15</span></a>.</p><p id="par0030" class="elsevierStylePara elsevierViewall">El mayor problema para la comparación de métodos de segmentación es la inexistencia de una base de datos común con imágenes de calidad para este fin. En un trabajo reciente, Dewalle-Vignion et al<span class="elsevierStyleItalic">.</span><a class="elsevierStyleCrossRef" href="#bib0080"><span class="elsevierStyleSup">16</span></a> han publicado una serie de imágenes PET de pacientes con linfoma para validación de técnicas de segmentación. La mayor limitación de dicho estudio es que la imagen de referencia se basa en la segmentación manual sobre la propia imagen PET.</p><p id="par0035" class="elsevierStylePara elsevierViewall">En este marco, el presente trabajo propone una técnica novedosa de adquisición de imágenes PET <span class="elsevierStyleItalic">ex-vivo</span> de alta resolución para establecer un marco común de validación de diferentes técnicas de segmentación para imágenes PET oncológicas. Las imágenes obtenidas por este procedimiento se pondrán disponibles en Internet, con el objetivo de servir de marco común de validación de cualquier técnica de segmentación. Para mostrar la utilidad de esta serie de imágenes, se evalúa el funcionamiento de varios algoritmos de segmentación basados en la selección automática del umbral óptimo.</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Material y métodos</span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Pacientes y protocolo de adquisición</span><p id="par0040" class="elsevierStylePara elsevierViewall">Se estudiaron pacientes oncológicos que iban a ser intervenidos quirúrgicamente, previa aprobación del comité de ética de nuestra institución. La serie incluyó 15 pacientes: 3 con cáncer de mama, 2 con cáncer colorrectal y 10 con cáncer de próstata. Cada paciente autorizó la realización de este estudio mediante consentimiento informado. En la <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a> se resumen algunos datos demográficos y clínicos de estos pacientes.</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0045" class="elsevierStylePara elsevierViewall">Se diseñó un protocolo de adquisición <span class="elsevierStyleItalic">ex-vivo</span>, realizándose imágenes de las piezas quirúrgicas extraídas en la cirugía, según el protocolo que se muestra en la <a class="elsevierStyleCrossRef" href="#fig0005">figura 1</a>. El estudio PET <span class="elsevierStyleItalic">ex-vivo</span> se realizó el día de la cirugía tras la administración de una actividad de 7 MBq/kg de <span class="elsevierStyleSup">18</span>F-FDG, previamente a la extracción del tumor. La actividad se inyectó cuando se estimaba que quedaban aproximadamente 60 minutos de cirugía. Una vez extraído el tumor, la pieza quirúrgica se trasladó al servicio de medicina nuclear donde se realizaron 2 estudios PET de cada tumor: el primero en el equipo clínico PET/CT Biograph Duo (Siemens, Hoffman Estates, IL, EE. UU.) y el segundo en un tomógrafo PET de alta resolución Mosaic (Philips, Milpitas, CA, EE. UU.) dedicado habitualmente al estudio de pequeños animales.</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><p id="par0050" class="elsevierStylePara elsevierViewall">En el PET/CT Biograph Duo el protocolo consistió en un CT para la corrección de atenuación y una imagen PET estática de 3 minutos en una única posición de camilla. La imagen se reconstruyó mediante el algoritmo iterativo OSEM con 2 iteraciones y 8 subconjuntos, con un filtro Gaussiano de 5<span class="elsevierStyleHsp" style=""></span>mm, con correcciones de atenuación y dispersión. En el PET de alta resolución Mosaic se realizó un estudio de transmisión con una fuente de <span class="elsevierStyleSup">137</span>Cs, seguido de un estudio de emisión de 20 minutos. Para la reconstrucción se utilizó el algoritmo iterativo estándar en este equipo (3<span class="elsevierStyleHsp" style=""></span>D Ramla con filtro Gaussiano de 1<span class="elsevierStyleHsp" style=""></span>mm) con correcciones de tiempo muerto, sucesos aleatorios, atenuación y dispersión.</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Segmentación de las imágenes</span><p id="par0055" class="elsevierStylePara elsevierViewall">Antes de segmentar las imágenes, se realizaron 2 operaciones de preprocesado. En primer lugar se realizó un recorte de las imágenes. Este recorte está motivado por el hecho de que el campo de visión de ambos tomógrafos es grande en comparación con el tamaño de la pieza quirúrgica y por tanto la mayor parte de la imagen queda vacía y solo una pequeña parte de la misma contiene información útil para la segmentación. Tras el recorte, la imagen queda centrada en la zona de interés y únicamente contiene al tumor y al tejido sano circundante. Además, se escalaron de nuevo todas las imágenes de forma que la escala pasase a expresar valores de SUV en lugar de kBq/cm<a class="elsevierStyleCrossRef" href="#bib0015"><span class="elsevierStyleSup">3</span></a>. Para ello todas las imágenes se dividieron por el factor (actividad administrada/masa del paciente) expresado en kBq/g.</p><p id="par0060" class="elsevierStylePara elsevierViewall">A continuación se procedió a segmentar las imágenes <span class="elsevierStyleItalic">ex-vivo</span> de las piezas quirúrgicas obtenidas en sendos tomógrafos, PET Mosaic y PET/CT Biograph Duo. Las imágenes se segmentaron con 12 algoritmos de segmentación basados en la selección automática del umbral óptimo (<a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>) implementados previamente por nuestro grupo de investigación<a class="elsevierStyleCrossRefs" href="#bib0055"><span class="elsevierStyleSup">11,17</span></a> y disponibles en: <a id="intr0005" class="elsevierStyleInterRef" href="https://www.cun.es/la-clinica/servicios-medicos/departamento/medicina-nuclear/pet-segmentation-tools-0">https://www.cun.es/la-clinica/servicios-medicos/departamento/medicina-nuclear/pet-segmentation-tools-0</a>.</p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia><p id="par0065" class="elsevierStylePara elsevierViewall">Además de con los 12 algoritmos de segmentación automática propuestos por Prieto et al.<a class="elsevierStyleCrossRef" href="#bib0055"><span class="elsevierStyleSup">11</span></a>, todas las imágenes se segmentaron con un método estándar para imágenes PET. En concreto se utilizó un umbral relativo del 42% respecto al valor máximo de la imagen<a class="elsevierStyleCrossRef" href="#bib0045"><span class="elsevierStyleSup">9</span></a>.</p></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Evaluación de los resultados de la segmentación</span><p id="par0070" class="elsevierStylePara elsevierViewall">Para la evaluación de los resultados de la segmentación se debe definir el volumen de referencia que delimite el tamaño real de cada tumor. Para ello, se tomó como dato de partida el análisis de anatomía patológica realizado sobre la pieza quirúrgica, que aportaba el tamaño del tumor en 1, 2 o 3 dimensiones según fuera la geometría del tumor. Con este dato se dibujó sobre la imagen PET de alta resolución (PET Mosaic) un volumen de interés esférico centrado en la zona de máxima captación y de diámetro correspondiente a la máxima dimensión del tumor según anatomía patológica. A continuación, un experto en medicina nuclear seleccionó visualmente un iso-contorno tal que se ajustara a la zona de captación considerada tumoral en la imagen, que quedara comprendido dentro del volumen esférico delineado previamente y que mantuviera las dimensiones del tumor según anatomía patológica. En consecuencia, el volumen de referencia presenta la forma irregular debida al iso-contorno y sus dimensiones coinciden con los datos anatomopatológicos.</p><p id="par0075" class="elsevierStylePara elsevierViewall">Se utilizaron las siguientes medidas cuantitativas, que comparan la imagen obtenida con cada algoritmo de segmentación con la imagen de referencia<a class="elsevierStyleCrossRefs" href="#bib0055"><span class="elsevierStyleSup">11,14</span></a>:<ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">•</span><p id="par0080" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Error de volumen (Volume Error, VE):</span> mide la diferencia entre el volumen de referencia y el segmentado, expresada como porcentaje con respecto al volumen de referencia.</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">•</span><p id="par0085" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Error de clasificación (Classification Error, CE)</span>: mide la cantidad total de vóxeles que se han asignado incorrectamente a objeto o a fondo en la imagen segmentada, con respecto al número de vóxeles del objeto en la imagen de referencia.</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">•</span><p id="par0090" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Índice de similitud de Dice (Dice Similarity Index, DSI)</span>: se trata de una medida de similitud entre 2 objetos definida como la intersección entre los 2 objetos, segmentado y referencia, sobre la media de su conjunto combinado.</p></li></ul></p><p id="par0095" class="elsevierStylePara elsevierViewall">Para seguir el mismo criterio en los 3 parámetros se utilizó (1-DSI) en lugar de DSI. Así, un valor bajo en cualquiera de las 3 medidas representa una mejor segmentación. Aunque VE y CE pueden tomar valores superiores al 100%, en este estudio el máximo error se limitó a 100%.</p><p id="par0100" class="elsevierStylePara elsevierViewall">Los volúmenes segmentados a partir de las imágenes del PET Mosaic fueron comparables vóxel a vóxel con la imagen de referencia, siendo posible calcular los 3 parámetros definidos previamente (VE, CE y 1-DSI). Se calculó la media aritmética de estos 3 valores para determinar una medida de error global para cada imagen.</p><p id="par0105" class="elsevierStylePara elsevierViewall">En el caso de las imágenes del PET/CT clínico, no se pudo comparar vóxel a vóxel el volumen segmentado con la imagen de referencia, ya que las imágenes no estaban corregistradas. En consecuencia, los parámetros CE y 1-DSI no se pudieron calcular y solo se obtuvo la medida de error VE que se basa en la comparación de volúmenes. Puesto que el análisis cuantitativo quedó limitado a un único parámetro, se realizó un análisis visual fusionando la imagen segmentada con el volumen de referencia, pero realizando el corregistro únicamente en lo que respecta a desplazamientos y rotaciones, sin aplicar el cambio de muestreo.</p><p id="par0110" class="elsevierStylePara elsevierViewall">Las medidas de error obtenidas con los diferentes algoritmos de segmentación se analizaron estadísticamente. Se comprobó la normalidad de las variables con la prueba de Shapiro-Wilk. Debido a la ausencia de criterios de normalidad, las comparaciones pareadas entre métodos se evaluaron mediante la prueba de signos. Los análisis se realizaron utilizando el paquete estadístico SPSS (versión 11.0, Chicago, IL, EE. UU.). El nivel de significación se fijó en p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,05 para todas las comparaciones.</p></span></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Resultados</span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Segmentación de las imágenes de la tomografía por emisión de positrones Mosaic</span><p id="par0115" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a>.A muestra un corte de cada imagen PET <span class="elsevierStyleItalic">ex-vivo</span> obtenida en el tomógrafo de alta resolución, superponiéndose en cada caso el contorno del volumen de referencia seleccionado visualmente por el experto en medicina nuclear. Las imágenes de las 15 piezas quirúrgicas adquiridas en el tomógrafo PET de alta resolución se segmentaron con los 12 algoritmos automáticos evaluados y adicionalmente con el método estándar para imágenes PET: umbral al 42% del valor máximo de la imagen. Los resultados de los 3 parámetros de evaluación se presentan en la <a class="elsevierStyleCrossRef" href="#fig0015">figura 3</a>A, donde para cada método se ha calculado la mediana en la serie completa de 15 imágenes.</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia><elsevierMultimedia ident="fig0015"></elsevierMultimedia><p id="par0120" class="elsevierStylePara elsevierViewall">Los resultados de los tests estadísticos realizados para comparar cada método propuesto con el método estándar se detallan en la <a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a>, donde se ordenan los métodos según la mediana de la medida de error global. Considerando como umbral de significación un valor de p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,05, este análisis mostró que los resultados obtenidos con todos los algoritmos menos Hertz mostraban diferencias estadísticamente significativas respecto a los obtenidos con el umbral relativo del 42%, siendo Yanni, Tsai, Otsu, Ridler, Ramesh, Sahoo, Kapur y Yen estadísticamente mejores que el método estándar. Como muestra del buen funcionamiento de los métodos descritos, la <a class="elsevierStyleCrossRef" href="#fig0020">figura 4</a> presenta el volumen segmentado mediante el algoritmo de Yanni en las imágenes PET de las 15 piezas quirúrgicas obtenidas en el tomógrafo de alta resolución Mosaic.</p><elsevierMultimedia ident="tbl0015"></elsevierMultimedia><elsevierMultimedia ident="fig0020"></elsevierMultimedia></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Segmentación de las imágenes de la tomografía por emisión de positrones Biograph Duo</span><p id="par0125" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a>B muestra un corte de cada una de las imágenes PET de las 15 piezas quirúrgicas adquiridas <span class="elsevierStyleItalic">ex-vivo</span> en el tomógrafo PET/CT Biograph Duo. En comparación con las imágenes del tomógrafo de alta resolución Mosaic, se aprecia claramente que en este caso las imágenes son más borrosas, es decir, tienen peor resolución espacial y no presentan el ruidoasociado a la baja estadística de recuento.</p><p id="par0130" class="elsevierStylePara elsevierViewall">Las imágenes de las 15 piezas quirúrgicas adquiridas en el tomógrafo PET Biograph Duo se segmentaron con el método estándar (umbral al 42% del valor máximo de la imagen) y con los 12 algoritmos automáticos evaluados en este trabajo de investigación. En este caso, se utilizó VE como única medida de error, calculándose su mediana para todas las imágenes (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>).</p><p id="par0135" class="elsevierStylePara elsevierViewall">Los resultados de la comparación de cada método automático respecto al método estándar (42%) se muestran en la <a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a>. Se observa que el método estándar es el mejor método y el único con mediana inferior al 20%. El test estadístico de los signos mostró que, a pesar de obtener resultados peores, los algoritmos de Otsu, Ramesh, Ridler, Yanni y Tsai no presentaban diferencias estadísticamente significativas respecto al método de referencia, siendo la mediana del error para los 3 primeros métodos inferior al 40%. El resto de métodos (Lloyd, Kapur, Hertz, Sahoo, Yen, Huang y Li) presentaron un funcionamiento significativamente peor que el método de referencia. En general, se observa peor comportamiento de todos los métodos respecto a los resultados obtenidos en el PET Mosaic.</p><p id="par0140" class="elsevierStylePara elsevierViewall">Adicionalmente, se realizó un análisis visual detallado de todas las imágenes. El análisis visual se centró en los mejores algoritmos según el análisis estadístico: Otsu, Ridler y Ramesh. En la <a class="elsevierStyleCrossRef" href="#fig0025">figura 5</a> se muestran las imágenes correspondientes a 3 de las 15 piezas quirúrgicas, que corresponden a una imagen con buenos resultados (p01), una con resultados intermedios (p04) y una con resultados deficientes (p20).</p><elsevierMultimedia ident="fig0025"></elsevierMultimedia><p id="par0145" class="elsevierStylePara elsevierViewall">Todas las imágenes adquiridas en este estudio, junto con la imagen de referencia en cada caso, se han puesto a disposición de la comunidad científica en la siguiente página web: <a id="intr0010" class="elsevierStyleInterRef" href="https://www.cun.es/la-clinica/servicios-medicos/departamento/medicina-nuclear/pet-segmentation-tools-0">https://www.cun.es/la-clinica/servicios-medicos/departamento/medicina-nuclear/pet-segmentation-tools-0</a>.</p></span></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Discusión</span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Metodología de evaluación de técnicas de segmentación en base a la tomografía por emisión de positrones de alta resolución sobre piezas quirúrgicas</span><p id="par0150" class="elsevierStylePara elsevierViewall">Una contribución singular del presente trabajo es la inclusión de datos de PET de tumores humanos reales. Habitualmente, la obtención de datos de pacientes para segmentación plantea muchas cuestiones económicas, logísticas e incluso éticas<a class="elsevierStyleCrossRef" href="#bib0075"><span class="elsevierStyleSup">15</span></a>. Esto hace que en la mayoría de estudios se trabaje con lesiones simuladas. Estas simulaciones pueden ser generadas de forma directa mediante la convolución de tumores ficticios con la función de respuesta del sistema PET, añadiendo posteriormente cierto nivel de ruido para modelar su efecto en las imágenes<a class="elsevierStyleCrossRef" href="#bib0090"><span class="elsevierStyleSup">18</span></a>. Un método más purista de generación de imágenes artificiales consiste en la simulación de los objetos y del tomógrafo PET con un método de Monte Carlo<a class="elsevierStyleCrossRef" href="#bib0065"><span class="elsevierStyleSup">13</span></a>. En cualquier caso, con estos 2 métodos (convolución con la respuesta del sistema o Monte Carlo) se obtienen imágenes no reales.</p><p id="par0155" class="elsevierStylePara elsevierViewall">Una validación ideal debe incluir datos reales de pacientes, como en el presente estudio. Una vez obtenidas las imágenes PET, la mayor dificultad reside en generar una imagen de referencia apta para comprobar los resultados de la segmentación. Para ello existen 2 posibles vías: adquirir imágenes con otra modalidad de imagen como la tomografía computarizada o extraer quirúrgicamente el tumor y analizar sus características mediante anatomía patológica. Ambas opciones presentan importantes limitaciones.</p><p id="par0160" class="elsevierStylePara elsevierViewall">En la primera opción, al comparar los datos con otra modalidad de imagen, los resultados dependerán del posicionamiento del paciente y/o de la bondad del registro entre las imágenes<a class="elsevierStyleCrossRef" href="#bib0095"><span class="elsevierStyleSup">19</span></a>. Por otra parte, nada garantiza que la modalidad alternativa aporte información absolutamente confiable en cuanto a la delimitación precisa del tumor, ya que todas las modalidades están sujetas a limitaciones. Además, la comparación con otra modalidad de imagen se basaría en la hipótesis cuestionable de que los contornos del tumor son iguales en las 2 modalidades. Sin embargo, el interés del PET reside en que es capaz de detectar pequeños cambios en el metabolismo celular inapreciables con ninguna otra técnica de imagen de médica<a class="elsevierStyleCrossRef" href="#bib0100"><span class="elsevierStyleSup">20</span></a>.</p><p id="par0165" class="elsevierStylePara elsevierViewall">En cuanto a las piezas tumorales extraídas quirúrgicamente, las dificultades son numerosas y variadas también. En la literatura se ha manejado este tipo de información mediante el registro entre los cortes de la pieza quirúrgica macroscópica y las imágenes PET precirugía. Se trata de un procedimiento complejo que consiste en congelar la pieza quirúrgica, cortarla en finos cortes, obtener una imagen digital de cada corte y reconstruir un volumen 3<span class="elsevierStyleHsp" style=""></span>D a partir de las imágenes de los cortes. Esta metodología, desarrollada por Daisne et al<span class="elsevierStyleItalic">.</span> para tumores faringolaríngeos<a class="elsevierStyleCrossRefs" href="#bib0070"><span class="elsevierStyleSup">14,18,21</span></a> y por Stroom et al<span class="elsevierStyleItalic">.</span><a class="elsevierStyleCrossRef" href="#bib0110"><span class="elsevierStyleSup">22</span></a> para tumores de pulmón, presenta la limitación de que el espécimen quirúrgico puede deformarse o perder volumen durante la congelación, el corte en rodajas, el escaneado, el reensamblaje y el registro. Además, los contornos se dibujan manualmente sobre la pieza quirúrgica y por tanto están sujetos a una importante variabilidad.</p><p id="par0170" class="elsevierStylePara elsevierViewall">En el presente trabajo, se ha planteado una técnica completamente novedosa para la obtención del volumen de referencia 3<span class="elsevierStyleHsp" style=""></span>D. En lugar de congelar la pieza completa, cortarla, digitalizar los cortes y apilar las imágenes, se propone utilizar una imagen PET de alta resolución y un umbral seleccionado visualmente sobre esta imagen. Esta metodología obtiene de forma precisa el volumen del tumor, sin estar afectada por posibles cambios debidos al complejo procesamiento de la pieza macroscópica propuesto por Daisne et al<span class="elsevierStyleItalic">.</span><a class="elsevierStyleCrossRef" href="#bib0105"><span class="elsevierStyleSup">21</span></a>. Una limitación de la técnica propuesta reside en que es posible que se produzca captación regional no tumoral en la imagen debida a la manipulación propia de la cirugía tras la inyección del radiofármaco.</p></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Evaluación de algoritmos de segmentación automática</span><p id="par0175" class="elsevierStylePara elsevierViewall">Como ya se ha comentado, la delimitación manual del volumen tumoral sobre la imagen PET es más compleja que la delimitación sobre las imágenes anatómicas, debido fundamentalmente a su peor resolución espacial. Los métodos que se han descrito en la literatura como alternativa a la delimitación manual<a class="elsevierStyleCrossRef" href="#bib0025"><span class="elsevierStyleSup">5</span></a> se basan principalmente en establecer un umbral según el valor del SUV, ya sea mediante un umbral fijo (SUV 2,5<a class="elsevierStyleCrossRef" href="#bib0115"><span class="elsevierStyleSup">23</span></a>), un umbral seleccionado visualmente, un umbral relativo al valor máximo de captación en el tumor (42%<a class="elsevierStyleCrossRef" href="#bib0045"><span class="elsevierStyleSup">9</span></a>), o un umbral adaptativo que se ajusta en cada imagen en base a curvas de calibración<a class="elsevierStyleCrossRefs" href="#bib0040"><span class="elsevierStyleSup">8,10</span></a> o de forma iterativa<a class="elsevierStyleCrossRef" href="#bib0120"><span class="elsevierStyleSup">24</span></a>. Todas estas opciones presentan algún inconveniente. La técnica semiautomática más utilizada actualmente es el establecimiento del umbral en base a criterios visuales. Sin embargo, la selección del umbral óptimo es crítica para una correcta delimitación. Los umbrales basados en un valor fijo de SUV absoluto o relativo constituyen técnicas completamente automáticas pero solo funcionan en determinadas condiciones. Aunque existen métodos adaptativos que calculan el umbral para cada imagen en función de las características del objeto a segmentar, se trata de métodos supervisados, es decir, no automáticos. Por otro lado, se han propuesto técnicas de segmentación automática basadas en el cálculo de gradientes<a class="elsevierStyleCrossRefs" href="#bib0090"><span class="elsevierStyleSup">18,25</span></a>, la teoría Bayesiana<a class="elsevierStyleCrossRefs" href="#bib0065"><span class="elsevierStyleSup">13,26</span></a> o la teoría de probabilidades<a class="elsevierStyleCrossRef" href="#bib0070"><span class="elsevierStyleSup">14</span></a>. Sin embargo, estos métodos son en general complejos, requieren grandes desarrollos matemáticos o algún tipo de pre- o posprocesado para su correcto funcionamiento.</p><p id="par0180" class="elsevierStylePara elsevierViewall">En este trabajo se evalúan técnicas automáticas no supervisadas y no parametrizadas. Estas técnicas obtienen el umbral a partir de alguna característica de la imagen que pueda extraerse de forma automática<a class="elsevierStyleCrossRef" href="#bib0055"><span class="elsevierStyleSup">11</span></a>. Dado que el método del valor umbral es el más utilizado en la actualidad, el médico es capaz de comprender perfectamente el fundamento de este tipo de segmentación, de forma que puede introducir esta técnica en su práctica clínica entendiendo el mecanismo subyacente. Además, la segmentación basada en la selección automática del umbral óptimo es la metodología más sencilla de todas las alternativas automáticas propuestas en la literatura. De hecho, son técnicas muy rápidas computacionalmente y no requieren ningún tipo de pre- o posprocesado para su funcionamiento.</p><p id="par0185" class="elsevierStylePara elsevierViewall">Estos algoritmos de segmentación automática se han aplicado sobre un conjunto de imágenes de tumores adquiridos <span class="elsevierStyleItalic">ex-vivo</span> en 2 tomógrafos PET diferentes, utilizando como referencia el tumor delimitado por un experto sobre la imagen PET de alta resolución. La calidad de la segmentación se ha comparado con un método estándar de segmentación en PET (umbral relativo del 42%). Los resultados se pueden resumir de la siguiente forma:<ul class="elsevierStyleList" id="lis0010"><li class="elsevierStyleListItem" id="lsti0020"><span class="elsevierStyleLabel">-</span><p id="par0190" class="elsevierStylePara elsevierViewall">En las imágenes adquiridas en el tomógrafo PET de alta resolución, los métodos de segmentación descritos por Yanni, Tsai, Otsu, Ridler y Ramesh presentaron medianas en la medida de error global inferiores al 10% mientras que los métodos de Sahoo, Kapur y Yen presentaron medianas entre el 10 -20%. Todos estos algoritmos resultaron significativamente mejores que el umbral al 42% (mediana: 41,8%).</p></li><li class="elsevierStyleListItem" id="lsti0025"><span class="elsevierStyleLabel">-</span><p id="par0195" class="elsevierStylePara elsevierViewall">En las imágenes adquiridas en el PET/CT clínico, ninguno de los métodos de segmentación automática evaluados superó al método de referencia, que mostró una mediana de VE inferior al 20%. Los mejores métodos, con medianas inferiores al 40% y sin diferencias estadísticamente significativas respecto al umbral del 42%, fueron los algoritmos de Otsu, Ramesh y Ridler.</p></li></ul></p><p id="par0200" class="elsevierStylePara elsevierViewall">Por tanto, se han obtenido resultados muy diferentes en ambos tomógrafos. Las características intrínsecas de las imágenes adquiridas en el PET/CT Biograph Duo en cuanto a muestreo y resolución espacial hacen que sea especialmente compleja la segmentación de las mismas. Estos 2 fenómenos se muestran claramente en la <a class="elsevierStyleCrossRef" href="#fig0025">figura 5</a>. Respecto al muestreo, el tamaño de vóxel en este tomógrafo es de 5,31<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>5,31<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>3,38 mm<a class="elsevierStyleCrossRef" href="#bib0015"><span class="elsevierStyleSup">3</span></a> lo que impide determinar la forma del tumor con mayor precisión. El otro factor importante es la limitada resolución espacial del tomógrafo PET/CT (9,3<span class="elsevierStyleHsp" style=""></span>mm<a class="elsevierStyleCrossRef" href="#bib0135"><span class="elsevierStyleSup">27</span></a>) que hace que el tumor se produzca un importante efecto de volumen parcial (EVP), de forma que el tumor aparece con un tamaño considerablemente mayor que el real. Ambos efectos, muestro y efecto de volumen parcial, afectan a todas las imágenes, pero el EVP es especialmente grave en los tumores que poseen una dimensión más pequeña o cuya forma presenta zonas centrales sin captación (p04 y p20 en la <a class="elsevierStyleCrossRef" href="#fig0025">figura 5</a>). Estos 2 factores limitantes contribuyen a que el parámetro VE tome valores relativamente altos en comparación con lo observado en la serie de imágenes <span class="elsevierStyleItalic">ex-vivo</span> procedentes del PET Mosaic. Sin embargo, los 2 factores se deben a las características intrínsecas de las imágenes adquiridas en este tomógrafo y no a errores en la segmentación mediante los métodos propuestos en este trabajo.</p><p id="par0205" class="elsevierStylePara elsevierViewall">Estos resultados plantean que la segmentación basada en la selección automática del umbral puede tener una aplicabilidad limitada para tomógrafos clínicos con las prestaciones de resolución similares a las del tomógrafo PET/CT utilizado en este estudio. Sin embargo, podría ser una herramienta muy útil para segmentar tumores en imágenes PET adquiridas con los tomógrafos de nueva generación<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">28</span></a>. Estos se caracterizan por una mejora importante en la resolución espacial gracias a las técnicas de tiempo de vuelo y de modelización de la función de dispersión puntual, junto con un aumento del tamaño de matriz en la reconstrucción, apta para la práctica clínica gracias a la mejora en la capacidad de computación de las estaciones de procesado<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">29</span></a>. Estas características acercan las prestaciones de los equipos PET de nueva generación a las del tomógrafo de alta resolución Mosaic, para el que los algoritmos de Otsu, Ramesh y Ridler han demostrado su eficacia en este estudio.</p></span></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Conclusiones</span><p id="par0210" class="elsevierStylePara elsevierViewall">Se ha propuesto una técnica novedosa de validación de técnicas de segmentación para imágenes PET oncológicas, adquiriéndose estudios PET <span class="elsevierStyleItalic">ex-vivo</span> de piezas quirúrgicas y obteniéndose a partir de una imagen PET de alta resolución el tamaño del tumor para la evaluación de los resultados de la segmentación. Las imágenes obtenidas siguiendo esta metodología se han puesto a disposición de la comunidad científica a través de Internet.</p><p id="par0215" class="elsevierStylePara elsevierViewall">La segmentación automática de las imágenes PET de las piezas quirúrgicas adquiridas en el tomógrafo de alta resolución ha demostrado que los algoritmos de Yanni, Tsai, Otsu, Ridler y Ramesh son claramente superiores al método estándar (umbral relativo del 42%). Sin embargo, ningún algoritmo superó a la técnica estándar en las imágenes de las piezas quirúrgicas obtenidas en el PET/CT clínico.</p></span><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0130">Financiación</span><p id="par0225" class="elsevierStylePara elsevierViewall">El desarrollo de esta investigación ha sido parcialmente financiado por el Instituto de Salud Carlos <span class="elsevierStyleSmallCaps">III</span> (proyecto FIS PI061261) y por Siemens HealthCare.</p></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0125">Conflicto de intereses</span><p id="par0220" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ningún conflicto de intereses.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:12 [ 0 => array:2 [ "identificador" => "xres315472" "titulo" => array:5 [ 0 => "Resumen" 1 => "Objetivo" 2 => "Material y métodos" 3 => "Resultados" 4 => "Conclusiones" ] ] 1 => array:2 [ "identificador" => "xpalclavsec298213" "titulo" => "Palabras clave" ] 2 => array:2 [ "identificador" => "xres315471" "titulo" => array:5 [ 0 => "Abstract" 1 => "Objective" 2 => "Material and methods" 3 => "Results" 4 => "Conclusions" ] ] 3 => array:2 [ "identificador" => "xpalclavsec298214" "titulo" => "Keywords" ] 4 => array:2 [ "identificador" => "sec0005" "titulo" => "Introducción" ] 5 => array:3 [ "identificador" => "sec0010" "titulo" => "Material y métodos" "secciones" => array:3 [ 0 => array:2 [ "identificador" => "sec0015" "titulo" => "Pacientes y protocolo de adquisición" ] 1 => array:2 [ "identificador" => "sec0020" "titulo" => "Segmentación de las imágenes" ] 2 => array:2 [ "identificador" => "sec0025" "titulo" => "Evaluación de los resultados de la segmentación" ] ] ] 6 => array:3 [ "identificador" => "sec0030" "titulo" => "Resultados" "secciones" => array:2 [ 0 => array:2 [ "identificador" => "sec0035" "titulo" => "Segmentación de las imágenes de la tomografía por emisión de positrones Mosaic" ] 1 => array:2 [ "identificador" => "sec0040" "titulo" => "Segmentación de las imágenes de la tomografía por emisión de positrones Biograph Duo" ] ] ] 7 => array:3 [ "identificador" => "sec0045" "titulo" => "Discusión" "secciones" => array:2 [ 0 => array:2 [ "identificador" => "sec0050" "titulo" => "Metodología de evaluación de técnicas de segmentación en base a la tomografía por emisión de positrones de alta resolución sobre piezas quirúrgicas" ] 1 => array:2 [ "identificador" => "sec0055" "titulo" => "Evaluación de algoritmos de segmentación automática" ] ] ] 8 => array:2 [ "identificador" => "sec0060" "titulo" => "Conclusiones" ] 9 => array:2 [ "identificador" => "sec0070" "titulo" => "Financiación" ] 10 => array:2 [ "identificador" => "sec0065" "titulo" => "Conflicto de intereses" ] 11 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "fechaRecibido" => "2013-04-15" "fechaAceptado" => "2013-06-06" "PalabrasClave" => array:2 [ "es" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec298213" "palabras" => array:4 [ 0 => "Tomografía por emisión de positrones" 1 => "Pieza quirúrgica" 2 => "Segmentación" 3 => "Oncología" ] ] ] "en" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Keywords" "identificador" => "xpalclavsec298214" "palabras" => array:4 [ 0 => "Positron emission tomography" 1 => "Surgical specimen" 2 => "Segmentation" 3 => "Oncology" ] ] ] ] "tieneResumen" => true "resumen" => array:2 [ "es" => array:2 [ "titulo" => "Resumen" "resumen" => "<span class="elsevierStyleSectionTitle" id="sect0010">Objetivo</span><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Diseñar una técnica novedosa de adquisición <span class="elsevierStyleItalic">ex-vivo</span> para establecer un marco común de validación de diferentes técnicas de segmentación para imágenes PET oncológicas. Evaluar sobre estas imágenes el funcionamiento de varios algoritmos de segmentación automática.</p> <span class="elsevierStyleSectionTitle" id="sect0015">Material y métodos</span><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">En 15 pacientes oncológicos se realizaron estudios PET <span class="elsevierStyleItalic">ex-vivo</span> de las piezas quirúrgicas extraídas durante la cirugía, previa inyección de <span class="elsevierStyleSup">18</span>F-FDG, adquiriéndose imágenes en 2 tomógrafos: un PET/CT clínico y un tomógrafo PET de alta resolución. Se determinó el volumen tumoral real en cada paciente, generándose una imagen de referencia para la segmentación de cada tumor. Las imágenes se segmentaron con 12 algoritmos automáticos y con un método estándar para PET (umbral relativo del 42%) y se evaluaron los resultados mediante parámetros cuantitativos.</p> <span class="elsevierStyleSectionTitle" id="sect0020">Resultados</span><p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">La segmentación de imágenes PET de piezas quirúrgicas ha demostrado que para imágenes PET de alta resolución 8 de las 12 técnicas de segmentación evaluadas superan al método estándar del 42%. Sin embargo, ninguno de los algoritmos superó al método estándar en las imágenes procedentes del PET/CT clínico. Debido al gran interés de este conjunto de imágenes PET, todos los estudios se han publicado a través de Internet con el fin de servir de marco común de validación y comparación de diferentes técnicas de segmentación.</p> <span class="elsevierStyleSectionTitle" id="sect0025">Conclusiones</span><p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Se ha propuesto una técnica novedosa para validar técnicas de segmentación para imágenes PET oncológicas, adquiriéndose estudios <span class="elsevierStyleItalic">ex-vivo</span> de piezas quirúrgicas. Se ha demostrado la utilidad de este conjunto de imágenes PET mediante la evaluación de varios algoritmos automáticos.</p>" ] "en" => array:2 [ "titulo" => "Abstract" "resumen" => "<span class="elsevierStyleSectionTitle" id="sect0035">Objective</span><p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">To design a novel <span class="elsevierStyleItalic">ex-vivo</span> acquisition technique to establish a common framework to validate different segmentation techniques for oncological PET images. To evaluate several automatic segmentation algorithms on this set of images.</p> <span class="elsevierStyleSectionTitle" id="sect0040">Material and methods</span><p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">In 15 patients with cancer, <span class="elsevierStyleItalic">ex-vivo</span> PET studies of surgical specimens removed during surgery were performed after injection of <span class="elsevierStyleSup">18</span>F-FDG. Images were acquired in two scanners: a clinical PET/CT and a high-resolution PET scanner. Real tumor volume was determined in each patient, and a reference image was generated for segmentation of each tumor. Images were segmented with 12 automatic algorithms and with a standard method for PET (relative threshold at 42%) and results were evaluated by quantitative parameters.</p> <span class="elsevierStyleSectionTitle" id="sect0045">Results</span><p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">It has been possible to demonstrate by segmentation of PET images of surgical specimens that on high resolution PET images, 8 out of 12 evaluated segmentation techniques outperformed the standard method, whose value is 42%. However, none of the algorithms outperformed the standard method when applied on images from the clinical PET/CT. Due to the great interest of this set of PET images, all studies have been published on the Internet in order to provide a common framework for validation and comparison of different segmentation techniques.</p> <span class="elsevierStyleSectionTitle" id="sect0050">Conclusions</span><p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">We have proposed a novel technique to validate segmentation techniques for oncological PET images, acquiring <span class="elsevierStyleItalic">ex-vivo</span> PET studies of surgical specimens. We have demonstrated the usefulness of this set of PET images by evaluating several automatic segmentation algorithms.</p>" ] ] "multimedia" => array:8 [ 0 => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 720 "Ancho" => 3167 "Tamanyo" => 171845 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Protocolo de adquisición PET <span class="elsevierStyleItalic">ex-vivo</span>.</p>" ] ] 1 => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 3253 "Ancho" => 2986 "Tamanyo" => 727140 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Corte representativo de cada una de las 15 piezas quirúrgicas analizadas en este estudio. A) Imágenes adquiridas en el tomógrafo PET Mosaic; las líneas blancas señalan la extensión del tumor según la imagen de referencia determinada visualmente. B) Imágenes adquiridas en el tomógrafo PET/CT Biograph Duo.</p>" ] ] 2 => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 1872 "Ancho" => 2794 "Tamanyo" => 235566 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Comparativa entre métodos de la mediana de las medidas de error para las 15 imágenes. Los métodos se muestran ordenados según las categorías definidas en la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>. A) Datos obtenidos al segmentar las imágenes del tomógrafo PET Mosaic; B) Datos obtenidos al segmentar las imágenes del tomógrafo PET/CT Biograph Duo.</p>" ] ] 3 => array:7 [ "identificador" => "fig0020" "etiqueta" => "Figura 4" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr4.jpeg" "Alto" => 1227 "Ancho" => 2250 "Tamanyo" => 158979 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">Volúmenes segmentados mediante el algoritmo de Yanni en las imágenes de 15 piezas quirúrgicas adquiridas en el tomógrafo PET Mosaic. El volumen segmentado se muestra como una imagen binaria y el contorno rojo indica el volumen de referencia seleccionado visualmente por el experto en medicina nuclear.</p>" ] ] 4 => array:7 [ "identificador" => "fig0025" "etiqueta" => "Figura 5" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr5.jpeg" "Alto" => 1043 "Ancho" => 2317 "Tamanyo" => 259630 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">Ejemplo de segmentación de 3 piezas quirúrgicas. Se muestra la imagen PET de alta resolución, la imagen PET del Biograph Duo con y sin interpolación y los resultados de la segmentación con los mejores métodos (Otsu, Ridler, Ramesh y el umbral del 42%). El contorno rojo representa el volumen de referencia obtenido de la imagen de alta resolución.</p>" ] ] 5 => array:7 [ "identificador" => "tbl0005" "etiqueta" => "Tabla 1" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "tabla" => array:1 [ "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Paciente \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Edad (años) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Sexo \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Masa (kg) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Tumor primario \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Tamaño tumor (cm) Anatomía patológica \t\t\t\t\t\t\n \t\t\t\t</td></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">49 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">M \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">66 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Mama \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,4 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">81 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,6<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>5,5 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">58 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">M \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">64 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,5<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>4 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p6 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">58 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,5<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>2,2 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">M \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">86 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,5<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>1,4 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">58 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Próstata \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,5 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">102 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,5<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>5,5 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p16 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">84 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Próstata \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,9 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p17 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">M \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,8<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>2,8 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p18 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>3<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>8 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p19 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">83 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>3 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p20 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">M \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Mama \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,5<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>2,5 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p21 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">87 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">M \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Mama \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,9 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p22 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">H \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>4 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p23 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">47 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">M \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Colorrectal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>6 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab463982.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0070" class="elsevierStyleSimplePara elsevierViewall">Datos demográficos y clínicos de los pacientes incluidos en este estudio</p>" ] ] 6 => array:7 [ "identificador" => "tbl0010" "etiqueta" => "Tabla 2" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "tabla" => array:2 [ "leyenda" => "<p id="spar0080" class="elsevierStyleSimplePara elsevierViewall">Fuente: Sezgin et al.<a class="elsevierStyleCrossRef" href="#bib0085"><span class="elsevierStyleSup">17</span></a>.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Clusterización \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Histograma \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Atributos \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Entropía \t\t\t\t\t\t\n \t\t\t\t</td></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Lloyd \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Ramesh \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Hertz \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Kapur \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Otsu \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Huang \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Li \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Ridler \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Tsai \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Sahoo \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Yanni \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Yen \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab463983.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0075" class="elsevierStyleSimplePara elsevierViewall">Relación de los 12 algoritmos de segmentación automática evaluados en este estudio, ordenados por categorías</p>" ] ] 7 => array:7 [ "identificador" => "tbl0015" "etiqueta" => "Tabla 3" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "tabla" => array:2 [ "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Método \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Mediana \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" style="border-bottom: 2px solid black">Valor p \t\t\t\t\t\t\n \t\t\t\t</td></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="3" align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">PET Mosaic</span></td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Yanni \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tsai \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,007<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Otsu \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,035<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Ridler \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,035<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Ramesh \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,007<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Sahoo \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Kapur \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11,9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Yen \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">18,7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>42% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">41,8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">– \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Lloyd \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">52,8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Huang \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">69,0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,035<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Li \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">72,7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,035<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hertz \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80,8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,118 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="3" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleVsp" style="height:0.5px"></span></td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="3" align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">PET/CT Biograph Duo</span></td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>42% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">18,8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">– \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Otsu \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">38,9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,092 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Ramesh \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">38,9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,092 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Ridler \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">39,4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,092 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Yanni \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">54,8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,267 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Lloyd \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55,7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,013<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tsai \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57,1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,581 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Kapur \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">64,1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,006<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hertz \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65,1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,180 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Sahoo \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">85,9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><0,001<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Yen \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">92,3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Huang \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">100,0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,022<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Li \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">100,0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="char" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,003<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">*</span></a> \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab463981.png" ] ] ] "notaPie" => array:1 [ 0 => array:3 [ "identificador" => "tblfn0005" "etiqueta" => "*" "nota" => "<p class="elsevierStyleNotepara" id="npar0005">Diferencias estadísticamente significativas.</p>" ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0085" class="elsevierStyleSimplePara elsevierViewall">Métodos ordenado según la mediana de la medida de error global (media de VE, CE, 1-DSI) en las 15 imágenes del tomógrafo Mosaic y según la mediana del parámetro VE en las 15 imágenes del tomógrafo PET/CT Biograph Duo. Valor p de significación obtenido en la comparación con del método estándar del 42%</p>" ] ] ] "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0005" "bibliografiaReferencia" => array:29 [ 0 => array:3 [ "identificador" => "bib0005" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Metabolic positron emission tomography imaging in cancer detection and therapy response" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "A. Zhu" 1 => "D. Lee" 2 => "H. Shim" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1053/j.seminoncol.2010.11.012" "Revista" => array:6 [ "tituloSerie" => "Semin Oncol" "fecha" => "2011" "volumen" => "38" "paginaInicial" => "55" "paginaFinal" => "69" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21362516" "web" => "Medline" ] ] ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0010" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "La tomografía por emisión de positrones (PET) en oncología (parte I)" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "C. Gámez Cenzano" 1 => "A. Cabrera Villegas" 2 => "R. Sopena Monforte" 3 => "M.J. García Velloso" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Rev Esp Med Nucl" "fecha" => "2002" "volumen" => "21" "paginaInicial" => "41" "paginaFinal" => "60" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/11821003" "web" => "Medline" ] ] ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0015" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Clinical use of PET-CT data for radiotherapy planning: What are we looking for" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "A. Chiti" 1 => "M. Kirienko" 2 => "V. Gregoire" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.radonc.2010.07.021" "Revista" => array:6 [ "tituloSerie" => "Radiother Oncol" "fecha" => "2010" "volumen" => "96" "paginaInicial" => "277" "paginaFinal" => "279" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/20727607" "web" => "Medline" ] ] ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0020" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Recommendations for the use of PET-CT with 18F-FDG in radiotherapy planning" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "A.M. Garcia Vicente" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.remn.2012.06.007" "Revista" => array:5 [ "tituloSerie" => "Rev Esp Med Nucl Imagen Mol" "fecha" => "2012" "volumen" => "31" "paginaInicial" => "364" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/23063325" "web" => "Medline" ] ] ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bib0025" "etiqueta" => "5" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "El Naqa I. PET-guided delineation of radiation therapy treatment volumes: A survey of image segmentation techniques" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "H. Zaidi" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00259-010-1423-3" "Revista" => array:6 [ "tituloSerie" => "Eur J Nucl Med Mol Imaging" "fecha" => "2010" "volumen" => "37" "paginaInicial" => "2165" "paginaFinal" => "2187" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/20336455" "web" => "Medline" ] ] ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0030" "etiqueta" => "6" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Intraobserver and interobserver variability in GTV delineation on FDG-PET-CT images of head and neck cancers" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "S.L. Breen" 1 => "J. Publicover" 2 => "S. De Silva" 3 => "G. Pond" 4 => "K. Brock" 5 => "B. O'Sullivan" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.ijrobp.2006.12.039" "Revista" => array:6 [ "tituloSerie" => "Int J Radiat Oncol Biol Phys" "fecha" => "2007" "volumen" => "68" "paginaInicial" => "763" "paginaFinal" => "770" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17379435" "web" => "Medline" ] ] ] ] ] ] ] ] 6 => array:3 [ "identificador" => "bib0035" "etiqueta" => "7" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The role of PET/CT scanning in radiotherapy planning" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "P.H. Jarritt" 1 => "K.J. Carson" 2 => "A.R. Hounsell" 3 => "D. Visvikis" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1259/bjr/35628509" "Revista" => array:6 [ "tituloSerie" => "Br J Radiol" "fecha" => "2006" "volumen" => "79" "paginaInicial" => "S27" "paginaFinal" => "S35" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/16980683" "web" => "Medline" ] ] ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0040" "etiqueta" => "8" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Tri-dimensional automatic segmentation of PET volumes based on measured source-to-background ratios: Influence of reconstruction algorithms" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "J.F. Daisne" 1 => "M. Sibomana" 2 => "A. Bol" 3 => "T. Doumont" 4 => "M. Lonneux" 5 => "V. Grégoire" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Radiother Oncol" "fecha" => "2003" "volumen" => "69" "paginaInicial" => "247" "paginaFinal" => "250" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/14644483" "web" => "Medline" ] ] ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0045" "etiqueta" => "9" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Segmentation of lung lesion volume by adaptive positron emission tomography image thresholding" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "Y.E. Erdi" 1 => "O. Mawlawi" 2 => "S.M. Larson" 3 => "M. Imbriaco" 4 => "H. Yeung" 5 => "R. Finn" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Cancer" "fecha" => "1997" "volumen" => "80" "paginaInicial" => "2505" "paginaFinal" => "2509" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/9406703" "web" => "Medline" ] ] ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0050" "etiqueta" => "10" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A novel iterative method for lesion delineation and volumetric quantification with FDG PET" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.A. van Dalen" 1 => "A.L. Hoffmann" 2 => "V. Dicken" 3 => "W.V. Vogel" 4 => "B. Wiering" 5 => "T.J. Ruers" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/MNM.0b013e328155d154" "Revista" => array:6 [ "tituloSerie" => "Nucl Med Commun" "fecha" => "2007" "volumen" => "28" "paginaInicial" => "485" "paginaFinal" => "493" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17460540" "web" => "Medline" ] ] ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0055" "etiqueta" => "11" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Twelve automated thresholding methods for segmentation of PET images: A phantom study" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "E. Prieto" 1 => "P. Lecumberri" 2 => "M. Pagola" 3 => "M. Gómez" 4 => "I. Bilbao" 5 => "M. Ecay" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1088/0031-9155/57/12/3963" "Revista" => array:6 [ "tituloSerie" => "Phys Med Biol" "fecha" => "2012" "volumen" => "57" "paginaInicial" => "3963" "paginaFinal" => "3980" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/22647928" "web" => "Medline" ] ] ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0060" "etiqueta" => "12" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Fuzzy hidden Markov chains segmentation for volume determination and quantitation in PET" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. Hatt" 1 => "F. Lamare" 2 => "N. Boussion" 3 => "A. Turzo" 4 => "C. Collet" 5 => "F. Salzenstein" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1088/0031-9155/52/12/010" "Revista" => array:7 [ "tituloSerie" => "Phys Med Biol" "fecha" => "2007" "volumen" => "52" "paginaInicial" => "3467" "paginaFinal" => "3491" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17664555" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S1473309908701841" "estado" => "S300" "issn" => "14733099" ] ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0065" "etiqueta" => "13" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A fuzzy locally adaptive bayesian segmentation approach for volume determination in PET" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "M. Hatt" 1 => "C. Cheze le Rest" 2 => "A. Turzo" 3 => "C. Roux" 4 => "D. Visvikis" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1109/TMI.2008.2012036" "Revista" => array:6 [ "tituloSerie" => "IEEE Trans Med Imaging" "fecha" => "2009" "volumen" => "28" "paginaInicial" => "881" "paginaFinal" => "893" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19150782" "web" => "Medline" ] ] ] ] ] ] ] ] 13 => array:3 [ "identificador" => "bib0070" "etiqueta" => "14" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A new method for volume segmentation of PET images, based on possibility theory" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "A.S. Dewalle-Vignion" 1 => "N. Betrouni" 2 => "R. Lopes" 3 => "D. Huglo" 4 => "S. Stute" 5 => "M. Vermandel" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1109/TMI.2010.2083681" "Revista" => array:6 [ "tituloSerie" => "IEEE Trans Med Imaging" "fecha" => "2011" "volumen" => "30" "paginaInicial" => "409" "paginaFinal" => "423" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/20952337" "web" => "Medline" ] ] ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0075" "etiqueta" => "15" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Segmentation of positron emission tomography images: Some recommendations for target delineation in radiation oncology" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "J.A. Lee" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.radonc.2010.07.003" "Revista" => array:6 [ "tituloSerie" => "Radiother Oncol" "fecha" => "2010" "volumen" => "96" "paginaInicial" => "302" "paginaFinal" => "307" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/20708286" "web" => "Medline" ] ] ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0080" "etiqueta" => "16" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Evaluation of PET volume segmentation methods: Comparisons with expert manual delineations" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "A.S. Dewalle-Vignion" 1 => "N. Yeni" 2 => "G. Petyt" 3 => "L. Verscheure" 4 => "D. Huglo" 5 => "A. Béron" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/MNM.0b013e32834d736f" "Revista" => array:5 [ "tituloSerie" => "Nucl Med Commun" "fecha" => "2012" "volumen" => "33" "paginaInicial" => "34" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/22044864" "web" => "Medline" ] ] ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0085" "etiqueta" => "17" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Survey over image thresholding techniques and quantitative performance evaluation" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "M. Sezgin" 1 => "B. Sankur" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "J Electron Imaging" "fecha" => "2004" "volumen" => "13" "paginaInicial" => "146" "paginaFinal" => "168" ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0090" "etiqueta" => "18" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A gradient-based method for segmenting FDG-PET images: Methodology and validation" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "X. Geets" 1 => "J.A. Lee" 2 => "A. Bol" 3 => "M. Lonneux" 4 => "V. Grégoire" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00259-006-0363-4" "Revista" => array:6 [ "tituloSerie" => "Eur J Nucl Med Mol Imaging" "fecha" => "2007" "volumen" => "34" "paginaInicial" => "1427" "paginaFinal" => "1438" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17431616" "web" => "Medline" ] ] ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0095" "etiqueta" => "19" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Biological image-guided radiotherapy in rectal cancer: Is there a role for FMISO or FLT, next to FDG" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "S. Roels" 1 => "P. Slagmolen" 2 => "J. Nuyts" 3 => "J.A. Lee" 4 => "D. Loeckx" 5 => "F. Maes" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1080/02841860802256434" "Revista" => array:6 [ "tituloSerie" => "Acta Oncol" "fecha" => "2008" "volumen" => "47" "paginaInicial" => "1237" "paginaFinal" => "1248" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/18654902" "web" => "Medline" ] ] ] ] ] ] ] ] 19 => array:3 [ "identificador" => "bib0100" "etiqueta" => "20" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Use of PET and PET/CT for radiation therapy planning: IAEA expert report 2006–2007" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. MacManus" 1 => "U. Nestle" 2 => "K.E. Rosenzweig" 3 => "I. Carrio" 4 => "C. Messa" 5 => "O. Belohlavek" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.radonc.2008.11.008" "Revista" => array:6 [ "tituloSerie" => "Radiother Oncol" "fecha" => "2009" "volumen" => "91" "paginaInicial" => "85" "paginaFinal" => "94" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19100641" "web" => "Medline" ] ] ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0105" "etiqueta" => "21" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Tumor volume in pharyngolaryngeal squamous cell carcinoma: Comparison at CT, MR imaging, and FDG PET and validation with surgical Specimen1" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.F. Daisne" 1 => "T. Duprez" 2 => "B. Weynand" 3 => "M. Lonneux" 4 => "M. Hamoir" 5 => "H. Reychler" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1148/radiol.2331030660" "Revista" => array:6 [ "tituloSerie" => "Radiology" "fecha" => "2004" "volumen" => "233" "paginaInicial" => "93" "paginaFinal" => "100" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/15317953" "web" => "Medline" ] ] ] ] ] ] ] ] 21 => array:3 [ "identificador" => "bib0110" "etiqueta" => "22" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Feasibility of pathology-correlated lung imaging for accurate target definition of lung tumors" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J. Stroom" 1 => "H. Blaauwgeers" 2 => "A. van Baardwijk" 3 => "L. Boersma" 4 => "J. Lebesque" 5 => "J. Theuws" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.ijrobp.2007.04.065" "Revista" => array:6 [ "tituloSerie" => "Int J Radiat Oncol Biol Phys" "fecha" => "2007" "volumen" => "69" "paginaInicial" => "267" "paginaFinal" => "275" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17707281" "web" => "Medline" ] ] ] ] ] ] ] ] 22 => array:3 [ "identificador" => "bib0115" "etiqueta" => "23" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Relation between nodule size and 18F-FDG-PET SUV for malignant and benign pulmonary nodules" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "M. Khalaf" 1 => "H. Abdel-Nabi" 2 => "J. Baker" 3 => "Y. Shao" 4 => "D. Lamonica" 5 => "J. Gona" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1186/1756-8722-1-13" "Revista" => array:5 [ "tituloSerie" => "J Hematol Oncol" "fecha" => "2008" "volumen" => "1" "paginaInicial" => "13" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/18808716" "web" => "Medline" ] ] ] ] ] ] ] ] 23 => array:3 [ "identificador" => "bib0120" "etiqueta" => "24" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Development of a generic thresholding algorithm for the delineation of 18FDG-PET-positive tissue: Application to the comparison of three thresholding models" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "S. Vauclin" 1 => "K. Doyeux" 2 => "S. Hapdey" 3 => "A. Edet-Sanson" 4 => "P. Vera" 5 => "I. Gardin" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1088/0031-9155/54/22/010" "Revista" => array:6 [ "tituloSerie" => "Phys Med Biol" "fecha" => "2009" "volumen" => "54" "paginaInicial" => "6901" "paginaFinal" => "6916" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19864698" "web" => "Medline" ] ] ] ] ] ] ] ] 24 => array:3 [ "identificador" => "bib0125" "etiqueta" => "25" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "RT_Image: An open-source tool for investigating PET in radiation oncology" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "E.E. Graves" 1 => "A. Quon" 2 => "B.W. Loo" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:7 [ "tituloSerie" => "Technol Cancer Res Treat" "fecha" => "2007" "volumen" => "6" "paginaInicial" => "111" "paginaFinal" => "121" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17375973" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0213005X11700179" "estado" => "S300" "issn" => "0213005X" ] ] ] ] ] ] ] 25 => array:3 [ "identificador" => "bib0130" "etiqueta" => "26" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Reproducibility of 18F-FDG and 3′-deoxy-3′-18F-fluorothymidine PET tumor volume measurements" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. Hatt" 1 => "C. Cheze-Le Rest" 2 => "E.O. Aboagye" 3 => "L.M. Kenny" 4 => "L. Rosso" 5 => "F.E. Turkheimer" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.110.078501" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2010" "volumen" => "51" "paginaInicial" => "1368" "paginaFinal" => "1376" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/20720054" "web" => "Medline" ] ] ] ] ] ] ] ] 26 => array:3 [ "identificador" => "bib0135" "etiqueta" => "27" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Evaluation of spatial resolution of a PET scanner through the simulation and experimental measurement of the recovery coefficient" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "E. Prieto" 1 => "J.M. Martí-Climent" 2 => "J. Arbizu" 3 => "P. Garrastachu" 4 => "I. Domínguez" 5 => "G. Quincoces" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.compbiomed.2009.11.002" "Revista" => array:6 [ "tituloSerie" => "Comput Biol Med" "fecha" => "2010" "volumen" => "40" "paginaInicial" => "75" "paginaFinal" => "80" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19959163" "web" => "Medline" ] ] ] ] ] ] ] ] 27 => array:3 [ "identificador" => "bib0140" "etiqueta" => "28" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Contribution of time of flight and point spread function modeling to the performance characteristics of the PET/CT biograph mCT scanner" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.M. Martí-Climent" 1 => "E. Prieto" 2 => "I. Domínguez-Prado" 3 => "M.J. García-Velloso" 4 => "M. Rodríguez-Fraile" 5 => "J. Arbizu" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.remn.2012.07.001" "Revista" => array:6 [ "tituloSerie" => "Rev Esp Med Nucl Imagen Mol" "fecha" => "2013" "volumen" => "32" "paginaInicial" => "13" "paginaFinal" => "21" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/22995150" "web" => "Medline" ] ] ] ] ] ] ] ] 28 => array:3 [ "identificador" => "bib0145" "etiqueta" => "29" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Impact of time-of-flight and point-spread-function in SUV quantification for oncological PET" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "E. Prieto" 1 => "I. Domínguez-Prado" 2 => "M.J. García-Velloso" 3 => "I. Peñuelas" 4 => "J.A. Richter" 5 => "J.M. Martí-Climent" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/RLU.0b013e318279b9df" "Revista" => array:6 [ "tituloSerie" => "Clin Nucl Med" "fecha" => "2013" "volumen" => "38" "paginaInicial" => "103" "paginaFinal" => "109" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/23334123" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/2253654X/0000003300000002/v1_201403040016/S2253654X13001169/v1_201403040016/es/main.assets" "Apartado" => array:4 [ "identificador" => "7910" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Originales" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/2253654X/0000003300000002/v1_201403040016/S2253654X13001169/v1_201403040016/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X13001169?idApp=UINPBA00004N" ]
año/Mes | Html | Total | |
---|---|---|---|
2023 Mayo | 1 | 0 | 1 |
2020 Abril | 1 | 2 | 3 |
2020 Marzo | 1 | 2 | 3 |
2018 Abril | 2 | 0 | 2 |
2018 Febrero | 19 | 2 | 21 |
2018 Enero | 13 | 1 | 14 |
2017 Diciembre | 20 | 1 | 21 |
2017 Noviembre | 17 | 6 | 23 |
2017 Octubre | 28 | 4 | 32 |
2017 Septiembre | 28 | 7 | 35 |
2017 Agosto | 25 | 0 | 25 |
2017 Julio | 18 | 6 | 24 |
2017 Junio | 25 | 19 | 44 |
2017 Mayo | 46 | 2 | 48 |
2017 Abril | 22 | 2 | 24 |
2017 Marzo | 21 | 1 | 22 |
2017 Febrero | 33 | 1 | 34 |
2017 Enero | 33 | 2 | 35 |
2016 Diciembre | 28 | 10 | 38 |
2016 Noviembre | 39 | 9 | 48 |
2016 Octubre | 50 | 4 | 54 |
2016 Septiembre | 66 | 6 | 72 |
2016 Agosto | 55 | 2 | 57 |
2016 Julio | 25 | 2 | 27 |
2016 Junio | 32 | 3 | 35 |
2016 Mayo | 28 | 12 | 40 |
2016 Abril | 46 | 7 | 53 |
2016 Marzo | 30 | 5 | 35 |
2016 Febrero | 0 | 2 | 2 |
2016 Enero | 12 | 1 | 13 |
2015 Diciembre | 29 | 14 | 43 |
2015 Noviembre | 24 | 4 | 28 |
2015 Octubre | 27 | 8 | 35 |
2015 Septiembre | 28 | 7 | 35 |
2015 Agosto | 17 | 5 | 22 |
2015 Julio | 25 | 5 | 30 |
2015 Junio | 23 | 4 | 27 |
2015 Mayo | 16 | 9 | 25 |
2015 Abril | 24 | 7 | 31 |
2015 Marzo | 36 | 9 | 45 |
2015 Febrero | 8 | 0 | 8 |
2015 Enero | 18 | 2 | 20 |
2014 Diciembre | 13 | 0 | 13 |
2014 Noviembre | 2 | 0 | 2 |
2014 Octubre | 6 | 0 | 6 |
2014 Septiembre | 5 | 0 | 5 |
2014 Agosto | 1 | 0 | 1 |
2014 Julio | 3 | 0 | 3 |
2014 Junio | 4 | 0 | 4 |
2014 Mayo | 7 | 2 | 9 |
2014 Abril | 4 | 2 | 6 |
2014 Marzo | 3 | 0 | 3 |