PLANIFICACIÓN DE NEUROCIRUGÍAS ASISTIDAS POR COMPUTADORA UTILIZANDO VISUALIZACIÓN 3D Y MAPEO DEPENDIENTE DE LA TEXTURA

Montilla, Guillermo Bosnjak, Antonio Villegas, Hyxia Jara, Iván

 

El Dr. Guillermo Montilla es Profesor Titular (Jubilado Activo) en el Centro de Procesamiento de Imágenes, Universidad de Carabobo, Valencia, Venezuela, teléfono 0416-6403046, correo electrónico gmontilla@netuno.net.ve.

Los Dres Antonio Bosnjak e Hyxia Villegas son Profesores Titulares en el mismo Centro de la Universidad de Carabobo, teléfonos 0414- 4100359 y 0241-8422916 y correos electrónicos antoniobosnjak@yahoo.fr . y drahyxiavillegas@yahoo.com . respectivamente

El Dr. Iván Jara es Médico Neurocirujano en el Hospital Metropolitano del Norte, Valencia, Venezuela, teléfono 0241-6864436, correo electrónico ijara@free.fr . Los cuatro autores tienen el fax 0241-8675251.

Resumen:

Actualmente se han mejorado mucho las técnicas de visualización directa de volumen basado en el mapeo de textura 3D. Sin embargo, todavía existen limitaciones en cuanto a la visualización 3D simultánea a partir de diferentes fuentes. Este trabajo presenta tres opciones para visualizar objetos a partir de dos o más fuentes, las cuales han sido previamente registradas: (1) Renderizado (del inglés Rendering) Volumétrico Multimodal (RVM); (2) Mezclado del Renderizado de superficie, y (3) Multimodalidad – Reconstrucción Multiplanar – RMP, este novedoso método aún no ha sido reportado en la bibliografía. El objetivo de este trabajo es obtener las estructuras anatómicas de interés a partir de cualquier modalidad, tal como RMI ó CT, y visualizar una región bajo el control de una Función de Transferencia Multidimensional (FT) definida por uno o más Clasificadores Difusos (CF). Una vez lograda la visualización, el objeto es segmentado para construir un modelo poligonal de su superficie; este modelo puede ser mezclado con cualquier modalidad de imágenes del paciente bajo estudio. Los resultados muestran que el uso de: (1) la navegación 3D con una cánula, (2) la Reconstrucción Multiplanar – RMP, (3) la visualización utilizando el mapeo de textura 3D, (4) las funciones de transferencia interactivas, (5) y el conocimiento médico, colaboran para mejorar la planificación de las operaciones de neurocirugía. En conclusión, esta técnica de visualización multimodal permite realizar y mejorar la planificación de cirugías.

Palabras Clave: Cirugía Asistida por Computador/ Visualización 3D/ Mapeo de Texturas 3D/ Neurocirugía.

COMPUTER ASSISTED PLANNING OF NEUROSURGERY USING 3D VISUALIZATION AND DEPENDENT TEXTURE MAPPING

Abstract:

Direct volume rendering based on 3D-texture mapping has improved recently. However, simultaneous visualisation by different sources (multi-modality image integration) is yet limited. This work presents three options to visualise objects, issued from two or more sources that were previously registered: (1) Multimodal Volume Rendering (MVR); (2) Surface Rendering Mixed, also called Indirect Volume Rendering with Volume Rendering (VR); (3) Multimodality – Multiplanar Reconstruction – MPR, (to our knowledge, this has not been reported). The aim of this work, is to obtain objects from any modality, such as MRI or CT, and visualize a ROI under the control of a Multidimensional Transfer Function (TF) defined by one or more Fuzzy Classifiers (FC). Once a good visualization is reached, the object is segmented to create a polygonized model of the surface, and this representation can be mixed with any modality from the patient's studies. The results show that, the use of 3D navigation with a probe, multimodality-MPR, 3D texture mapping visualization, interactive TF, interactive widgets, and medical knowledge, cooperate to improve surgery pre-planning. In conclusion, our proposed multimodal visualisation technique allows and improves the simulation of surgery planning.

Keywords: Computer Assisted Surgery/ 3D Visualization/ 3D Texture-Mapping/ Neurosurgery

Manuscrito finalizado en Valencia, Venezuela, el 2008/01/15, recibido el 2008/02/26, en su forma final (aceptado) el 2008/06/30.

I. INTRODUCCIÓN

El Renderizado Volumétrico Directo (RVD) ha probado ser un método efectivo y flexible de visualización, ya que no necesita segmentar previamente el objeto [1]. Durante muchos años, se usaron funciones de transferencia 1D (FT) basadas solamente en el nivel de gris, la opacidad, ó el color. Sin embargo, el tiempo de cálculo para el renderizado, utilizando los algoritmos originales, era muy largo para poder visualizar los objetos en tiempo real [2]. Un análisis exhaustivo de los modelos de visualización científica en la medicina es presentado en Montilla et al. [3] [4].

Levoy en 1988 [5] introdujo dos tipos de Funciones de Transferencia, ambas 2D y ambas utilizaron la magnitud del gradiente. Una función de transferencia fue diseñada con el propósito de acentuar las interfaces entre los materiales. La otra FT fue diseñada para acentuar las regiones con el mismo iso-valor. El ajuste de la Función de Transferencia era una tarea tediosa debido a: 1) Encontrar la FT apropiada es generalmente un proceso de ensayo y error. 2) Se necesitaban estaciones de trabajo con tarjetas gráficas de video con altas prestaciones. 3) No se habían implementado interfaces gráficas para seleccionar Funciones de Transferencia Multidimensionales.

Con la tecnología disponible actualmente, el método RVD ha mejorado notablemente debido al desarrollo de tres aspectos clave [6], mostrados en la Figura 1: 1) Nuevas tarjetas gráficas para realizar el Renderizado Volumétrico, fabricadas a muy bajo costo y con altas prestaciones, tales como NVIDIA ó ATI, las cuales incluyen la programación de funciones de OpenGL, extendido para realizar el Renderizado Volumétrico (cálculo, despliegue y visualización de un volumen) dentro de la memoria de textura de la tarjeta; 2) El desarrollo matemático de funciones de transferencia multidimensionales; y 3) El desarrollo de nuevas interfaces gráficas con el usuario, que permiten dibujar una función de transferencia de manera intuitiva, permitiendo observar el resultado final del Renderizado Volumétrico interactivamente.

Cada una de las sub-secciones de este artículo explica claramente los tres aspectos clave que se muestran en la figura 1, una sección de metodología, explica el desarrollo del Software y su interfaz gráfica, la sección de resultados en donde se muestran las aplicaciones clínicas del Sistema desarrollado, y finalmente encontrará la discusión y conclusiones correspondientes.

II. DESARROLLO

1. Antecedentes

1.1. Hardware para Renderizado Volumétrico (RVD)

Existen cuatro técnicas para la implementación del método RVD: Raycasting, Splatting, Shear-warp, (así denominados en la bibliografía), y el mapeo de textura 3D basado en hardware [7]. Dos de estos métodos ya han sido implementados en hardware. El método shear-warp es usado por una tarjeta gráfica muy costosa, la Volume Pro PCI. El método de mapeo de textura 3D (originalmente desarrollado por Silicon Graphics) (SGI) [7], está implementado en las nuevas tarjetas gráficas NVIDIA y ATI, a muy bajo precio. Debido a sus características, se escogió la tarjeta NVIDIA para realizar este trabajo.

La técnica basada en el mapeo de textura 3D resuelve varios problemas de los métodos de textura 2D, debido al desarrollo de tres aspectos clave resueltos en tiempo interactivo: (1) La interpolación tri-lineal; (2) La programación de funciones extendidas de OpenGL para implementar la iluminación difusa, el sombreado, y la clasificación; y (3) La técnica matemática de preintegración realizada por hardware para obtener un renderizado de alta calidad, aún cuando el número de cortes es reducido [8]. La Figura 2 muestra el mecanismo básico aplicado en el mapeo de textura 3D para renderizado volumétrico.

1.2. Función de Transferencia Multi-Dimensional

Una tarea importante para realizar la visualización volumétrica corresponde al ajuste de la función de transferencia de manera interactiva. El objetivo de la Función de Transferencia es asignar las propiedades ópticas, tales como: la opacidad y el color de los datos a visualizar. En el espacio G-I Gradiente-Intensidad, se dibuja un histograma bi-dimensional a partir de una imagen tridimensional y de una Función de Transferencia. El histograma es refrescado cuando la región de interés cambia, lo cual es importante para la segmentación.

La FT se construye interactivamente ajustando manualmente los Clasificadores difusos (CF), que existen en el espacio GI. Se pueden añadir varios CF. Los CF separan los materiales, ó pueden acentuar los bordes de los materiales, y definir las propiedades ópticas; así, las propiedades definidas por la FT son transferidas a los objetos. En este trabajo, se usaron cuatro modelos de CF. La Figura 3(b) muestra una imagen en donde se usan dos de estos clasificadores:

1. Elíptico al cuadrado: propuesto por Simian [9] y dado por la ecuación:

La Figura 3(b) muestra el uso del CF para obtener la piel del paciente en color blanco con transparencia. Por otra parte, la Figura 5(b) combina dos de estos CF.

2. Trapezoidal: propuesto por Levoy [5], la pendiente de la rampa está en la dirección de la intensidad sobre el espacio G-I. La Figura 3(b) muestra el uso de este CF para definir la interfaz tejido-hueso.

3. Triangular: propuesto por Levoy [5], es usado para acentuar las interfaces entre regiones, ó los bordes. El triángulo se abre hacia arriba en la dirección del Gradiente. El bisector del triángulo, en esa dirección también podría estar inclinado.

4. Arco Iris: tiene una opacidad constante y el color varía en la dirección de la intensidad. También tiene un ajuste global para la opacidad, tinte, luminosidad y saturación (HLS). La Figura 10 muestra un ejemplo del uso de este CF.

Se puede escoger un color, seleccionando el tinte y saturación constantes en el área definida para el CF, en los primeros tres clasificadores. La función asignada para el CF define el atributo de la opacidad. Así, todos los CF designados tienen un ajuste global de opacidad y de iluminación. El resultado final será totalmente dependiente de la Función de Transferencia escogida.

1.3. Widget: Manipulación de Objetos

Un “widget” (en este contexto) se define como un objeto geométrico básico diseñado para proveer al usuario de una interfaz gráfica 3D que le permita ajustar interactivamente una Función de Transferencia. La construcción de un widget es frecuentemente guiada por las condiciones del sistema. Cada sub-parte del widget tiene alguna funcionalidad. Además el usuario puede modificar sus parámetros.

La Figura 5(b) muestra dos widgets utilizados para modificar dos CF. En la Figura 5(b) y (d) se observa que cada widget tiene controles para: el tinte y la saturación, el nivel de opacidad, el tamaño de la región del CF, el desplazamiento del centro de la función elíptica dentro del widget. En la figura 3 se usaron dos widgets para obtener el modelo del paciente con el propósito de planificar una cirugía.

2. Metodología

2.1. Especificaciones del Sistema

Se desarrolló un sistema usando una nueva estructura de programación que permite modelar objetos interactivamente, a estos nuevos componentes, llamados en este trabajo “móviles”, son mucho más generales que los “widgets” reportados en la literatura, ya que los ‘móviles’ tienen una mayor versatilidad y una gran capacidad para interactuar entre ellos.

La Figura 4 muestra el sistema desarrollado que contiene seis diferentes clases de móviles: (1) Un móvil para manejar la función de transferencia multidimensional, en donde se presenta el histograma, un conjunto de variables de intensidad, y el gradiente. Dentro de este móvil también pueden co-existir sub-móviles que representan a los clasificadores difusos. (2) Varios móviles con los modelos  de los clasificadores difusos que afectan directamente la FT, la cual es usada como una función que mapea desde el espacio 2D al espacio de la textura 3D. (3) Un móvil que define la Región de Interés ROI. Las FT son funciones globales que modifican todo el volumen y ellas a su vez son afectadas por la información procedente de todo el volumen. Las FT tienen una desventaja, al no tener la capacidad de diferenciar regiones. Así que es el usuario quien debe identificar las regiones del objeto escogido, sin interferir con otros objetos que serán retro proyectados desde regiones del espacio al mismo volumen. (4) Un móvil que representa la cánula en el espacio 3D; la cánula navega simultáneamente en todas las modalidades de imágenes. Esta cánula tiene tres componentes: un terminal inflable que apunta hacia el blanco anatómico, un cuerpo cilíndrico que realiza los desplazamientos, y una esfera proximal que comanda las rotaciones. (5) Varios móviles para mostrar los diferentes cortes a partir de la visión multi-planar. (6) Al lado derecho de la Figura se observan múltiples cortes que también son móviles.

Se puede abrir simultáneamente cualquier cantidad de ventanas con proyecciones RMP. En cada una de ellas se puede escoger la modalidad de imagen que se desea ver. De hecho, el modelo RMP – multimodal es una forma novedosa de visualización, ya que no ha sido reportada en la bibliografía. La cánula posee clones en cada una de las ventanas RMP que permiten mover la cánula sobre cada uno de los planos de corte. De manera que el movimiento de la cánula es transmitido a los clones, y el movimiento de los clones es transmitido a todo el sistema de la cánula y sus clones. La ventana RMP tiene su propia ROI, en donde existe un plano de corte, y ellas son ajustadas independientemente. La ventana RMP permite hacer desplazamientos, y ampliaciones (zooms) sobre los cortes. La ventana RMP no muestra la información de la textura 3D, sino el volumen de datos original del paciente bajo estudio. Las ventanas RMP tienen seis puntos de vista que pueden ser seleccionados, tres son los habituales: axial, sagital y coronal, y tres vistas ortogonales, de las que dos de ellas contienen el cuerpo de la cánula. Este proyecto provee al médico con una novedosa herramienta de visualización y navegación quirúrgica de una cánula dentro de la anatomía del paciente, con la facilidad de simular un procedimiento de planificación quirúrgica.

2.2. Segmentación

Con la finalidad de realizar la segmentación, el objetivo de la cánula debe ser colocado en una de las ventanas RMP. Una vez escogido el punto del objeto a segmentar, se hace un doble clic al Mouse sobre la ventana RMP. Este punto se convierte en una semilla que va a comenzar a buscar la iso-superficie del objeto. Este procedimiento puede ser repetido cuantas veces sea necesario, hasta obtener un modelo que represente de manera óptima al objeto. Posteriormente, se pueden añadir partes al objeto de interés, tal es el caso de objetos complejos que poseen muchos componentes.

3. Resultados

3.1. Aplicaciones Médicas

La Figura 5 muestra la visualización de los vasos sanguíneos del cerebro obtenidos a partir de un estudio de angiografía 3D. El conjunto de datos originales se puede obtener en la referencia [11] y está compuesto de 256 x 256 x 150 vóxeles, obtenidos después de realizar la substracción de dos adquisiciones: una antes, y otra después de haber inyectado contraste. Es muy fácil observar la excelente calidad de imágenes que se obtienen al utilizar el método de mapeo de texturas 3D basado en hardware en contraste con la rudimentaria visualización obtenida por Deschamps T. en [11].

La Figura 6 muestra un caso clínico de un paciente operado en el “Hospital Metropolitano del Norte” en Valencia, Venezuela, en donde los volúmenes de CT y MRI se renderizaron independientemente, usando el método de mapeo de texturas 3D. Los volúmenes de imágenes de CT y MRI fueron fusionados para obtener una simple proyección. La interfaz de tejido – hueso es visualizada a partir de imágenes de CT y el meningioma es visualizado a partir de imágenes de MRI. Esto es posible gracias a que las imágenes de MRI adquieren una gran cantidad de información para los tejidos blandos. Este método de visualización de mapeo de textura 3D basado en hardware, no considera el proceso de multi-textura. Sin embargo, para la planificación quirúrgica, es suficiente con una vista aproximada de los dos volúmenes de interés como se muestra en la Figura 6. Un resultado equivalente podría ser obtenido segmentando el meningioma a partir del estudio de MRI y fusionándolo con la imagen de textura extraída del estudio de CT.

RMP Multi-modalidad

Para utilizar el RMP Multimodal, los estudios de CT ó de MRI deben haber sido registrados (poner en correspondencia tomando en cuenta la máxima coincidencia) en el espacio 3D. En el caso de este trabajo, este procedimiento es realizado gracias al uso del marco estereotáxico. Es importante que el especialista pueda analizar al paciente usando ambas modalidades de visión: la tri-dimensional y la bi-dimensional. Por esta razón se desarrolló un Software que considera muy importante la interacción entre ambas modalidades. El Software provee la visualización simultánea de proyecciones 3D más la visualización de cortes bi-dimensionales. El movimiento y la visualización están interconectados interactivamente, gracias a una cánula que indica la posición de acceso en el interior del cerebro. Esta novedosa forma de visualización promete convertirse en una herramienta indispensable para la planificación quirúrgica. La Figura 7 muestra dos tipos de visualización multimodal, en la parte superior se observa un corte tomográfico con la superposición de una imagen de resonancia magnética. En la parte inferior de la Figura 7 se muestra su equivalente 3D, con diferentes colores, para la visualización multimodal de la mitad de la cabeza con resonancia magnética y la otra mitad con tomografía.

La Figura 8 muestra un estudio de resonancia magnética y de tomografía, previamente registrado. El usuario puede interactuar en ambos estudios, mezclando imágenes de CT y de MRI en la ventana de planificación quirúrgica. La imagen superior muestra el objetivo posicionado en un lugar específico de la anatomía, con el propósito de verificar la calidad del registro. La parte novedosa de este proyecto consiste en la interconexión de todos los elementos gráficos 2D y 3D que se observan en la Figura. Así, se puede conocer en todo momento la posición de la cánula dentro de la anatomía del cerebro, utilizando múltiples modalidades.

3.2. Planificación de Cirugía Asistida por Computador

Con la finalidad de evaluar el método presentado en este trabajo, se montó un cráneo humano sobre un marco estereotáxico (marca MicromarTM) y se escaneó utilizando un tomógrafo “Emotion” de Siemens. La Figura 9, corresponde a una fotografía del cráneo utilizado, el cual está montado sobre un marco estereotáxico mientras se realizaba el scanéo tomográfico. Las dimensiones de las imágenes capturadas con el tomógrafo tienen 512 x 512 píxeles. El procedimiento que sigue el especialista para verificar la precisión de este sistema es el siguiente: el programa calcula las coordenadas del marco estereotáxico y el médico transfiere las coordenadas y ángulos obtenidos en el proceso de planificación pre-operatoria al marco estereotáxico real, penetra la cánula en el cerebro del paciente, la avanza y confirma que efectivamente llega con la precisión requerida hasta el tumor simulado de 4 mm de diámetro. Una verificación similar se realiza en el proceso quirúrgico real con la ayuda de un arco en C. Por el interior de una cánula de 4 mm de diámetro el especialista pasa todo el instrumental médico para realizar la cirugía.

La Figura 10 muestra la planificación quirúrgica y usa una transformación volumétrica con 12 grados de libertad para registrar las imágenes. El especialista interactúa con la cánula directamente y a través de las esferas que representan el blanco y la entrada, en ambos espacios 2D y 3D. Todos los elementos gráficos están interconectados en su movimiento tanto en 2D como en 3D. Cualquier número de ventanas pueden ser abiertas con las vistas axial, coronal y sagital, más tres vistas oblicuas ortogonales (dos de ellas contienen a la cánula). En la Figura 10 el especialista ajustó la posición de la cánula hasta lograr la trayectoria óptima y lee sobre el corte 2D en la parte inferior izquierda de la misma figura las coordenadas estereotáxicas y los ángulos que debe anotar para llevar al quirófano.

La Figura 11 muestra la simulación de una cirugía por estereotaxia de Aragnoidoceles realizada en el Hospital Metropolitano del Norte (Valencia – Venezuela), planificada con nuestro sistema de navegación a partir de imágenes de tomografía axial, usando un marco estereotáxico, marca MicromarTM. Se usó en paralelo el método tradicional de planificación para comparar los resultados. Se observa en esta figura cómo se planifica la trayectoria para un mejor abordaje de la cirugía y estas trayectorias son perfectamente visibles en las dos imágenes inferiores. En una de estas imágenes se pueden leer las coordenadas estereotáxicas utilizadas luego en el procedimiento quirúrgico. La planificación tradicional se realizó sobre la pantalla de la estación de trabajo del tomógrafo y la simulación se realizó utilizando el software de planificación del neuronavegador. De esta manera se pudieron comparar las coordenadas estereotáxicas del blanco anatómico y la trayectoria de acceso suministrada por ambas técnicas. Todo el proceso tardó cuatro horas, una hora para la tomografía y la planificación, y tres horas de cirugía en la sala de hemodinamia. Gracias a una cirugía minimamente invasiva, la paciente tuvo un tiempo de recuperación muy corto y la dieron de alta en dos días.

4. Discusión El presente trabajo muestra el valor del Renderizado Volumétrico Directo utilizando Funciones de Transferencia multi-dimensionales, y demuestra la factibilidad de la planificación pre-operatoria con un conjunto volumétrico de imágenes. Este método puede ser aplicado en la práctica clínica sin mucho esfuerzo por parte del cirujano. La principal ventaja es la facilidad de la manipulación de las Funciones de Transferencia realizada con los widgets y la excelente visualización que se obtiene, más la correcta visualización muy cerca del blanco anatómico (ó tumor que deseamos extraer). Por otro lado, todas las pruebas han sido realizadas en computadores personales PC estándar, equipados con una tarjeta gráfica de altas prestaciones, tal como la tarjeta NVIDIA, así que, no se requieren estaciones de trabajo sofisticadas para realizar una planificación quirúrgica.

Desde el punto de vista médico, hasta ahora se han planificado cuatro neurocirugías con este sistema, dos en el Hospital Metropolitano del norte de la ciudad de Valencia La primera fue una aragnoidoceles (ver Figura 11), la segunda un tumor cerebral en un paciente de 87 años. La tercera cirugía planificada fue la de un niño de siete años en el hospital Universitario de la ciudad de Caracas, y la cuarta a una paciente de 36 años en el hospital Vargas de la ciudad de Caracas [13].

III. CONCLUSIONES

1. Este sistema permite combinar la navegación quirúrgica 3D en neurocirugía con una cánula.

2. Se propone un novedoso sistema de visualización RMP multimodal, utilizando mapeo de textura 3D, clasificadores difusos interactivos, e integra el conocimiento médico con la finalidad de obtener la estructura del cerebro de interés.

3. Esta novedosa técnica permite simular y planificar las cirugías, visualizar la navegación de la cánula a través de la anatomía del paciente, y obtener cada vez más conocimiento médico a partir de la anatomía de un paciente en particular.

4. A pesar del reducido número de neurocirugías planificadas con nuestro sistema, nosotros consideramos que las cirugías guiadas por imágenes constituyen un aporte fundamental al campo médico.

IV. RECOMENDACIONES

Para este momento el software posee las funcionalidades para planificar una neurocirugía, y sus prestaciones se están ampliando con el diseño de nuevos módulos. El sistema debe pasar por una fase de validación en cincuenta neurocirugías para confirmar su utilización segura.

V. REFERENCIAS

1. Hadwiger M., et al. “High-Quality Volume Graphics on Consumer PC Hardware”, ‘SigGraph 2002, Course Notes 42’ San Antonio, Texas USA.         [ Links ] 2. Meiβner M., Hoffmann U., Straβer W.Enabling “Classification and Shading for 3D Texture Mapping based Volume Rendering using OpenGL and Extensions”. Proceedings of the conference on Visualization 1999, pp. 207-214.         [ Links ]

3. Montilla G., et al, “Software para planificar Braquiterapia de Próstata”. Avances en Ingeniería Biomédica. Editorial: SOVEB. Mérida, Venezuela , Julio 2004, pp. 323-330.         [ Links ]

4. Montilla G., Bosnjak A., Villegas H.: “Modelos para la Visualización Científica en la Medicina”, in Carmen Müller-Karger, Miguel Cerrolaza (Ed): ‘Bioingeniería en Iberoamérica: Avances y Desarrollos. (Centro Internacional de Métodos Numéricos en Ingeniería CIMNE). Barcelona, España, pp. 1-29.         [ Links ]

5. Levoy Marc. ”Volume Rendering. Display of Surfaces from Volume Data”. IEEE Computer Graphics and Applications. Vol. 8, Nro. 5,1988, pp. 29-37.         [ Links ]

6. Kniss J., Kindlmann G., Hansen C. “Multi-Dimensional Transfer Functions for Volume Rendering” in Johnson / Hansen (Ed): ‘The Visualization Handbook’ 2004, pp. 181-202.         [ Links ]

7. Meiβner M., et al: “A Practical Evaluation of Popular Volume Rendering Algorithms”. Proceedings of the 2000 IEEE symposium on Volume visualisation. Salt Lake City, Utah USA. 2000 pp. 81-90.         [ Links ]

8. Engel K, Kraus M., ERTL T. “High-quality pre-integrated volume rendering using hardware-accelerated pixel shading”, in ‘SigGraph / Eurographics Workshop on Graphics Hardware 2001. Los Angeles, California USA., 2001 pp. 9-16.         [ Links ]

9. Kniss J., Kindlmann G., Hansen C. “SIMIAN” Advanced Computing Laboratory. University of Utah. Internet site address: 2005. http://www.cs.utah.edu/~jmk/simian/         [ Links ]

10. National Library of Medicine. The Visible Human Project. Internet site address: 1996 http://www.nlm.nih.gov/research/visible/visiblehuman.html         [ Links ]

11. Deschamps T., »Extraction de Courbes et Surfaces par Méthodes de Chemins Minimaux et Ensembles de Niveaux. Applications en Imagerie Médicale 3D". PhD Thesis : University of Paris-Dauphine, 2001, pp. 1-233. Internet site address. http://www.ceremade.dauphine.fr/~thot/html/brain_mip.html         [ Links ]

12. Montilla G., et al.,“Desarrollo en Cirugía Asistida por Computador en Neurocirugía”. Bioingeniería en Venezuela: Tendencias, Propuestas y Avances, 2008, pp. 39-43.        [ Links ]