RESUMEN
En radiología se utilizan varias técnicas imagenológicas para el diagnóstico de enfermedades y la asistencia en intervenciones quirúrgicas con el objetivo de determinar la ubicación y dimensión exacta de un tumor cerebral. Técnicas como la Tomografía por Emisión de Positrones y la Resonancia Magnética permiten determinar la naturaleza maligna o benigna de un tumor cerebral y estudiar las estructuras del cerebro con neuroimágenes de alta resolución. Investigadores a nivel internacional han utilizado diferentes técnicas para la fusión de la Tomografía por Emisión de Positrones y Resonancia Magnética al permitir la observación de las características fisiológicas en correlación con las estructuras anatómicas. La presente investigación tiene como objetivo elaborar un proceso para la fusión de neuroimágenes de Tomografía por Emisión de Positrones y Resonancia Magnética. Para ello se definieron 5 actividades en el proceso y los algoritmos a utilizar en cada una, lo cual propició identificar los más eficientes para aumentar la calidad en el proceso de fusión. Como resultado se obtuvo un proceso de fusión de neuroimágenes basado en un esquema híbrido Wavelet y Curvelet que garantiza obtener imágenes fusionadas de alta calidad(AU)
In radiology, various imaging techniques are used for the diagnosis of diseases and assistance in surgical interventions with the aim of determining the exact location and dimension of a brain tumor. Techniques such as Positron Emission Tomography and Magnetic Resonance can determine the malignant or benign nature of a brain tumor and study brain structures with high-resolution neuroimaging. International researchers have used different techniques for the fusion of Positron Emission Tomography and Magnetic Resonance, allowing the observation of physiological characteristics in correlation with anatomical structures. The present research aims to develop a process for the fusion of neuroimaging of Positron Emission Tomography and Magnetic Resonance Imaging. Five activities were defined in the process and the algorithms to be used in each one, which led identifying the most efficient ones to increase the quality in the fusion process. As a result, a neuroimaging fusion process was obtained based on a hybrid Wavelet and Curvelet scheme that guarantees high quality merged images(AU)