Download Decanato Investigación - UNET - Resumen Publico

Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE INVESTIGACIÓN ORDINARIO
Desarrollo de una técnica de realce de imágenes cardíacas
basada en conectores difusos
Jhosmary
Cuadros Castro
Responsable
Antonio José
Bravo Valero
Coresponsable 1
Para uso exclusivo del Decanato
Coordinación:
Unidad:
Número de páginas: 18
Número de corresponsables: 1
Responsable: Jhosmary Cuadros Castro
[email protected]
Teléfono: 0276
Proyecto generado el:
11/07/2017 11:17 am
Recibido por:
Nombres y Apellidos:
Firma:
San Cristóbal, ____/____/20_____
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
Código CODEIN
01-001-2015
Título
Desarrollo de una técnica de realce de imágenes cardíacas basada en conectores
difusos
Fecha de Inicio - Fecha de Finalización
12/02/2015 - 12/02/2017
Descripción
Se propone el desarrollo de una técnica computacional basada en conectores difusos
para el realce de la información contenida en imágenes cardíacas obtenidas de
procesos de emisión de fotones.
Investigadores Agregados al Proyecto
Responsable
Cedula
9986938
X
Nombres
Rol
Antonio José Bravo Valero Creador
14100897 Jhosmary Cuadros Castro
Integrante
Actividades Asociadas al Proyecto
Fecha Inicio
Fecha Fin
Responsables
Descripción
12/02/2015
12/05/2015 Jhosmary Cuadros Castro
.
Seleccionar los filtros para el
suavizamiento de las imágenes.
12/02/2015
12/05/2015 Antonio José Bravo
Valero.
Seleccionar los filtros para el
realce de los contornos de las
imágenes.
12/05/2015
12/08/2015 Antonio José Bravo
Valero, Jhosmary Cuadros
Castro .
Codificar los filtros de
suavizamiento y realce de
contornos seleccionados
11/07/2017 11:17 am
Página: 2/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
Responsables
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
Fecha Inicio
Fecha Fin
Descripción
12/09/2015
12/12/2015 Antonio José Bravo
Valero, Jhosmary Cuadros
Castro .
Analizar los diferentes
conectivos difusos reportados en
[26] y [27].
12/02/2016
12/04/2016 Antonio José Bravo
Valero, Jhosmary Cuadros
Castro .
Seleccionar diferentes
estrategias de realce propuestas
en la literatura útiles para
comparar la téc
12/04/2016
12/07/2016 Antonio José Bravo
Valero, Jhosmary Cuadros
Castro .
Comparar la técnica propuesta
con las estrategias seleccionadas
de la literatura.
12/07/2016
12/10/2016 Antonio José Bravo
Valero, Jhosmary Cuadros
Castro .
Proponer un esquema de
validación de la robustez de la
técnica con datos reales y
sintéticos.
12/10/2016
12/02/2017 Antonio José Bravo
Valero, Jhosmary Cuadros
Castro .
Validar la técnica usando datos
reales y sintéticos.
Resumen
Esta investigación se focaliza en el desarrollo de una técnica computacional útil para
realzar la información asociada a las cámaras del corazón obtenidas de procesos de
imagenología basados en emisión de fotones. El realce es una tarea preliminar
requerida en procesamiento de imágenes para disminuir el impacto del ruido y los
artefactos. Con esta idea se propone una técnica de realce la cual combina una versión
suavizada de la imagen original con una imagen procesada usando filtros de realce de
contornos. La combinación es realizada considerando un conjunto de conectores
difusos basados en normas T, co-normas T, funciones de promediación y operadores
de compensación generalizada. El resultado de la combinación es una imagen con
bordes mejorados y regiones uniformes suavizadas. La robustez de la técnica de
realce se evalúa considerando datos sintéticos (phantoms numéricos) y datos médicos
reales inter e intra-sujetos. Finalmente, se propone comparar el enfoque de mejora
propuesto con respecto a otras estrategias de mejora reportadas en la literatura.
Planteamiento del problema
11/07/2017 11:17 am
Página: 3/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
El ruido en una imagen puede ser definido como la variación aleatoria de una señal
que contamina la información presente en una imagen [1]. La calidad de una imagen
digital se ve afectada por el ruido que se introduce en ella mediante diversos
procesos, los cuales normalmente dependen tanto de la arquitectura del equipo de
adquisición como del protocolo de obtención de tal imagen [2].
Particularmente, en las imágenes que se obtienen mediante la emisión de fotones,
como por ejemplo rayos X, el ruido se manifiesta mediante la aparición de
intensidades aleatorias, de aspecto granuloso, que se producen por efectos inherentes
a la naturaleza del fenómeno de emisión de fotones y al equipo usado durante la
adquisición [3].
Adicionalmente, es importante señalar que:
El ruido producido por la emisión de fotones es conocido como ruido cuántico y
debido a que su generación sigue una ley de función de distribución de probabilidad
(pdf) de Poisson, habitualmente, se le denomina ruido Poisson o Poissoniano [3]. La
pdf de Poisson viene dada por la ecuación 1.
P (n) = λn/n! exp(−λ )
(1)
siendo P(n) la probabilidad de n ocurrencias de un evento, λ el valor esperado de la
pdf.
El ruido Poisson es de naturaleza no aditiva y se caracteriza por ser dependiente de la
intensidad que posee cada vóxel en la imagen. Así los vóxeles de mayor intensidad
están en riesgo de ser más afectados por el ruido, es decir, tales vóxeles tienen mayor
probabilidad estadística de ser corrompidos por el ruido Poissoniano [4].
Considerando el equipo con el cual se adquieren las imágenes, es probable también
que aparezca en ellas otras manifestaciones de ruido como, por ejemplo, el ruido
blanco Gaussiano aditivo. Este tipo de ruido reviste poca importancia debido a que en
imágenes de rayos X se manifiesta en niveles muy inferiores a aquellos propios del
ruido Poisson [4].
De acuerdo con [2] y [3], diversos algoritmos de reducción de ruido han sido
considerados a fin de disminuir el impacto del ruido Poisson en imágenes digitales.
Algunos de esos algoritmos consideran la aplicación de:
11/07/2017 11:17 am
Página: 4/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
1. Enfoques convencionales y/o adaptativos basados en suavizado isotrópico (filtros
paso–bajo) y filtraje anisotrópico (filtros paso–alto) [2].
2. Técnicas basadas en el método de regularización de variación total, extendido para
la atenuación del ruido Poisson [3].
3. Transformadas Anscombe y wavelet secundadas por procesos de umbralización y
la correspondiente reconstrucción derivada de las transformadas inversas [2].
El análisis cualitativo de imágenes obtenidas a partir de procesos de emisión de
fotones permite afirmar que la calidad de la información contenida en ellas puede ser
influenciada negativamente por la presencia de artefactos. En este tipo de imágenes,
el término artefacto es atribuido, teóricamente, a una discrepancia sistemática entre
los valores Hounsfield pertenecientes a las imágenes obtenidas luego de la
reconstrucción tomográfica y los verdaderos valores para los coeficientes de
atenuación de los objetos presentes en la imagen real [5].
Por ejemplo, en imágenes médicas cardiacas sincronizadas con la onda R del
electrocardiograma (ECG) la aparición de artefactos es fuertemente sensitiva a
cambios del latido cardiaco. En este sentido, debido a fallos en tal sincronización se
pueden producir tanto la superposición de capas como artefactos debidos al
movimiento del corazón. También, la adquisición de imágenes en fases inconsistentes
del ciclo cardiaco puede generar artefactos que pueden ser visualizados en vistas
axiales de tales imágenes [6].
La literatura especializada reporta un buen número de artefactos que, dependiendo de
diversos factores, pueden ser observados en estas imágenes en grados variables de
importancia. Así por ejemplo, en [6] y [7] se describen diversos artefactos, se
establecen las principales causas por las cuales dichos artefactos aparecen en
imágenes tomográficas y se proponen estrategias, de tipo técnicas, para minimizar su
efecto.
La información presentada en la Tabla 1 fue recabada considerando las referencias
[6] y [7]. En ella se destacan los artefactos más comunes que se manifiestan en las
referidas imágenes y se visualiza, de manera sintética, tanto las posibles causas para
la generación de tales artefactos como recomendaciones puntuales para disminuir el
impacto, en la calidad de las imágenes tomográficas, de los artefactos considerados.
Tabla 1: Síntesis de los artefactos comúnmente observados en imágenes
11/07/2017 11:17 am
Página: 5/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
tomográficas.
Artefacto
Posibles causas
Acciones técnicas para minimizar
su efecto
Banda oscura
(Streak)
- Cambio de energía de los
rayos–X.
- Insuficiencia de fotones.
- Movimientos del paciente.
- Paciente con objetos metálicos.
- Pre-filtrar los rayos de baja energía.
- Filtrar antes de reconstruir.
- Reducir tiempo de exploración.
- Usar secciones delgadas en
adquisición.
Sombreado
(Shading)
- Movimiento del paciente.
- Proyecciones incompletas.
- Fenómeno de volumen parcial.
- Retener respiración en la
adquisición.
- Corregir posición del paciente.
- Usar secciones delgadas en
adquisición.
Anillo
(Ring)
- Equipo con limitaciones técnicas.
- Servicio correctivo del equipo.
- Detectores con calibración
- Re-calibrar detectores.
deficiente.
Escalera
(Stair-step)
- Manejo inadecuado de la
colimación.
- Errores en la reconstrucción.
- Usar secciones delgadas en
adquisición.
- Reconstruir considerando
solapamiento.
Es necesario puntualizar que las acciones recomendadas en [6] y [7] son todas de tipo
técnico, y de aplicación durante la adquisición y/o reconstrucción de las imágenes.
Sin embargo, tales acciones no son infalibles y casi siempre las imágenes generadas
luego de considerar tales acciones siguen exhibiendo parcial o totalmente uno o
varios de los artefactos analizados. Así en imágenes de tomografía computarizada los
artefactos que se visualizan con mayor frecuencia son el artefacto escalera (stair-step)
y el artefacto raya o banda oscura (streak). Las causas por las cuales se producen tales
artefactos son diversas. En particular, el artefacto streak puede generarse debido al
cambio que se produce en el espectro de energía de los rayos-X, cuando pasan a
través de estructuras que contienen hueso o medios de contraste [7]; mientras que el
artefacto stair-step puede producirse debido a un solapamiento de las imágenes
durante el proceso de reconstrucción o a una selección errónea de la fase de disparo
del ECG [7].
11/07/2017 11:17 am
Página: 6/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
Cuando el artefacto stair-step está presente en las imágenes de tomografía
computarizada multicapa (MSCT) puede ser visualizado debido a que produce
alteraciones abruptas en la continuidad de los contornos que delimitan uno o varios
objetos presentes en tales imágenes [8]. Este tipo de artefacto deteriora
dramáticamente la apariencia de dichos objetos y puede afectar las dimensiones
(diámetro, superficie o volumen) sobre todo de estructuras de pequeño tamaño
presentes en las imágenes adquiridas bajo esta modalidad [9]. Por otra parte, el
artefacto streak se manifiesta mediante una o varias rayas o bandas de tonalidad
oscura que se observan, fácilmente, en las vistas coronal y sagital de las imágenes en
las cuales dicho artefacto puede ser percibido visualmente.
Kelm et al. [10] proponen una técnica de filtrado 2–D, basada en medias aritméticas
no locales (non-local means), para mejorar el pico de la relación señal a ruido de la
información presente en un phantom de tomografía computarizada (CT) en el cual se
recrea el ruido Poisoniano que caracteriza a estas imágenes. El filtro non-local means
considera la redundancia de la información presente en una imagen para disminuir la
cantidad de ruido que afecta la calidad de la imagen sometida a estudio [11]. En [10]
se afirma que la técnica propuesta eleva el PSNR (Peak Signal-to-Noise Ratio) de las
imágenes consideradas en, aproximadamente, 4 decibelios. No obstante, la principal
desventaja de esta técnica es el alto costo computacional que se genera cuando se
desea elevar, en un nivel significativo, el PSNR de una imagen.
La transformada wavelet es considerada en [12] como base de una técnica que,
combinada con métodos de reconstrucción, puede reducir el ruido presente en
imágenes de CT mientras preserva la información proveniente de la proyección de los
datos adquiridos. Ellos parten de la suposición que los datos adquiridos pueden
descomponerse en información útil (imagen de entrada uno) e información
correspondiente al ruido no correlacionado temporalmente (imagen de entrada dos).
El análisis de correlaciones entre las representaciones wavelet, de las imágenes de
entrada identificadas, permite separar la información útil del ruido a partir de cierto
nivel de la relación señal a ruido. Los coeficientes wavelet con pequeña correlación
no son considerados; mientras que aquellos con altas correlaciones son preservados y
utilizados para representar la información relevante. La imagen final, la cual
teóricamente presenta una minimización del ruido, se reconstruye a partir del
promedio ponderado de los coeficientes wavelet provenientes de las imágenes de
entrada mencionadas. La evaluación de la robustez de la técnica propuesta arrojó una
reducción del ruido cercana al 40%, sin pérdida significativa de la calidad de las
11/07/2017 11:17 am
Página: 7/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
imágenes procesadas.
Otras técnicas de remoción de ruido, usualmente desarrolladas en imágenes 2-D, han
sido extendidas y aplicadas a imágenes 3-D de resonancia magnética. En este grupo
de técnicas se destacan aquellas que consideran: filtros de difusión anisotrópica [13],
minimización de la variación total [14] y filtrado basado en wavelet [15].
Por otro lado, con base en una detallada revisión de la literatura especializada
vinculada con el análisis de imágenes de estructuras cardiacas, se puede afirmar que
aunque diversos investigadores han reportado un número importante de técnicas para
analizar todas las cavidades del corazón y valorar la función cardiovascular; el
problema de la distorsión de la información, producida por la presencia de artefactos
en las imágenes, no ha sido abordado explícitamente.
Objetivo General
Desarrollar una técnica de realce de imágenes cardíacas basada en conectores difusos
Objetivos Específicos
1. Generar las versiones óptimas de las imágenes suavizada y con bordes realzados
necesarias para la combinación difusa.
2. Producir la imagen realzada a partir de las versiones óptimas de las imágenes
suavizada y con bordes realzados.
3. Establecer la robustez de la técnica de realce obtenida de la combinación de los
conectores difusos.
4. Demostrar la validez de la técnica frente a otras técnicas de realce propuestas en la
literatura.
Metodología
El presente estudio responde al enfoque hipotético deductivo y al paradigma
cuantitativo, con diseño documental no experimental aplicado al realce de la
información asociada a imágenes reales, y diseño de campo experimental aplicado al
realce de imágenes sintéticas recreadas por el phantom numérico construido en [17].
11/07/2017 11:17 am
Página: 8/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
Es importante mencionar que el presente trabajo no se enfoca en una patología en
particular, el interés se centra en realzar información para delinear el contorno con el
objeto de delimitar la forma ventricular presente en las imágenes de coronografía y de
tomografía computarizada multicapa. La fase inicial del trabajo consiste en el preprocesamiento de las imágenes (descritas en el protocolo a utilizar), seguida de las
fases de procesamiento, análisis y posterior visualización.
Protocolo a utilizar:
La base de datos de imágenes a utilizar en el presente trabajo son proporcionadas por
el Hospital Universitario de los Andes (Mérida) y por el Instituto de Bioingeniería y
Diagnóstico (Táchira). Esta base de datos consiste en:
1. Rayos X: 48 estudios angiográficos, específicamente de coronografía izquierda
monoplana.
2. Tomografía computarizada multicapa: 20 estudios 4D, cada uno tiene 20
vólumenes 3D.
La adquisición de las imágenes se realiza con acoplamiento electrocardiográfico
(ECG), de esta forma, existe sincronización entre el latido cardíaco del paciente y la
adquisición de las imágenes, la cual puede ser prospectiva (se emite únicamente
radiación durante la diástole) o retrospectiva (se emite radiación durante todo el ciclo
cardíaco) [18].
Además de la base de datos mencionada anteriormente, se utilizarán 20 estudios de la
población de imágenes sintéticas pertenecientes al phantom numérico construido en
[17].
Hipótesis
Es posible realzar efectivamente la información contenida en imágenes obtenidas
mediante emisión de fotones combinando a través de conectores difusos una versión
suavizada de la imagen original con una imagen procesada usando filtros de realce de
contornos.
Marco Teórico-Científico
Los rayos X son radiaciones electromagnéticas que se generan cuando electrones con
11/07/2017 11:17 am
Página: 9/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
alta energía cinética interaccionan con la materia, generalmente un blanco metálico.
Estos electrones se propagan en línea recta a la velocidad de la luz en forma de
paquetes de energía llamado fotones. En uno de los procedimientos para la
producción de rayos X, el electrón incidente le transfiere al electrón que ocupa la
capa K (la más cercana al núcleo) suficiente energía para desplazarlo de su órbita,
generando una vacante que rápidamente es cubierta por un electrón de mayor energía
proveniente de una órbita externa más energética. En el proceso, el electrón emite un
fotón de rayos X cuya energía corresponde a la diferencia de energía entre las dos
capas [19].
Los equipos de rayos X, producen imágenes radiográficas de alta densidad, alto
constraste, alta definición y con mínima exposición para el paciente. Son sistemas
electromecánicos que generan y controlan la producción de rayos X. Estos equipos
poseen una consola desde la cual el operador controla los parámetros de exposición;
el alto voltaje, la corriente de ánodo, el tiempo y la corriente de filamento. Estos
valores se visualizan en instrumentos de medida colocados en el panel [20].
Cuando un haz de rayos–X pasa a través del cuerpo, el mismo es absorbido y
esparcido por las estructuras localizadas en la trayectoria que sigue el haz. La
cantidad de absorción depende tanto de la densidad física y de la composición
anatómica de las estructuras, como de la energía del haz.
En el rango de energía diagnóstica, las interacciones están constituidas
principalmente por la ionización molecular generada por la cantidad de rayos-X que
son dispersados sobre el tejido y por la absorción fotoeléctrica [21].
La dispersión es generalmente minimizada por medio de la colimación de los rayosX; mientras que la superposición es atenuada por la exploración a través del plano
transaxial. Los rayos-X transmitidos a través del plano, son captados por detectores
los cuales tienen la capacidad de registrar diferentes intensidades [22]; mientras que,
la distribución de los coeficientes de atenuación es determinada por la Ley de la física
de radiaciones (Ley de Lambert-Beer). Esta Ley expresa que el haz de rayos-X
monoenergético (que atraviesa un objeto de densidad variable) es atenuado de
acuerdo con la relación exponencial expresada por la ecuación 2 [23].
It = Io e− ∫ µdl
(2)
siendo Io la intensidad incidente, It la intensidad transmitida, dl el diferencial de
11/07/2017 11:17 am
Página: 10/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
longitud de la trayectoria del haz a través del objeto, y µ el coeficiente de absorción
lineal del objeto a lo largo de la trayectoria del haz.
En el cuerpo humano, el haz de rayos-X pasa a través de materiales de distintos
coeficientes de atenuación. Por ello, se puede considerar al cuerpo compuesto por un
gran número de elementos de igual tamaño, de largo l, cada uno de los cuales posee
un coeficiente de absorción constante, los cuales pueden denotarse mediante µ1 , µ2 ,
..., µn . De esta forma, la integral que aparece en la ecuación 2 puede expresarse como
lo indica la ecuación 3 .
∫ µdl = (µ1 + µ2 + ... + µn )l = ln( It /Io)
(3)
El denominado sinograma, se corresponde con el criterio bajo el cual son
almacenados los resultados de un escaneo tomográfico. Cada conjunto de valores
resultantes (perfiles de las proyecciones), para un ángulo de escaneo específico, se
corresponde con una fila almacenada, construyéndose el sinograma mediante el
agrupamiento de filas sucesivas en columnas, generando una tabla de valores
bidimensionales dados por los perfiles de las proyecciones correspondientes a cada
ángulo de escaneo.
Adicionalmente, la ecuación 3, muestra que el logaritmo natural de la atenuación
total, a lo largo de un rayo particular, es proporcional a la suma de los coeficientes de
atenuación, de todos los elementos que el rayo atraviesa. Para determinar la
atenuación de cada elemento, debe obtenerse un gran número de mediciones desde
distintas direcciones. El problema es encontrar µ conocidas las integrales para un
número finito de líneas que intersecten el objeto que se está explorando. Para abordar
este problema, generalmente, se recurre a métodos de reconstrucción.
Una vez han sido obtenidas las imágenes se hace necesario el uso de técnicas de
pre–procesamiento las cuales se caracterizan por realizar tareas tales como:
1.
2.
3.
4.
Atenuar distorsiones que afectan la calidad de la imagen considerada.
Realzar los contornos que delimitan los objetos que se desean segmentar.
Uniformar la información contenida en el interior de tales contornos.
Excluir objetos o estructuras no deseadas generando regiones claramente
delimitadas que contienen el objeto de interés.
Además, es importante indicar que en el ámbito del procesamiento digital de
11/07/2017 11:17 am
Página: 11/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
imágenes el filtrado constituye un proceso fundamental para el análisis de la
información contenida en una imagen. Por lo general, el proceso de filtrado de
imágenes consiste en la aplicación de algoritmos denominados, usualmente, filtros,
que se caracterizan por modificar en cierto grado las características o atributos de una
imagen de entrada con el propósito de minimizar las posibles imperfecciones
presentes en ella [24].
Los filtros operan sobre imágenes, en los dominios frecuenciales y espaciales, con el
fin de: a) realzar algún tipo de información deseada la cual puede estar vinculada, por
ejemplo, con una estructura u objeto de interés; b) minimizar o suprimir la
información no deseada la cual puede corresponderse con artefactos, ruido, fondo u
otros objetos distintos del objeto de interés [25].
Generalmente, luego de la aplicación de un filtro, se genera una imagen de salida en
la cual pueden aparecer suavizados o realzados algunos atributos presentes en la
imagen de entrada. De acuerdo con ello, las técnicas de filtrado podrán clasificarse,
de manera preliminar, en técnicas de filtrado para el realce de información de interés
y técnicas de filtrado para la remoción de información no deseada.
Los filtros de realce (conocidos también como filtros paso-alto) más usados son los
basados en el reforzamiento de contornos, los cuales, por una parte, tienden a
enfatizar los bordes de las estructuras presentes en la imagen de entrada y, por la otra,
atenúan los valores de intensidad de las regiones casi constantes en la imagen que
está siendo procesada.
Adicionalmente, los filtros para remoción de información no deseada (denominados
filtros paso-bajo) más comunes son los que aplican operaciones de suavizamiento
orientadas, principalmente, hacia la eliminación del ruido presente en la imagen
considerada.
Un aspecto a considerar al momento del desarrollo de técnicas o filtros de realce es
que la información a realzar o a remover tiene una alta componente de incertidumbre
debido a que no es tan fácil discriminar cuál información esta asociada a la
información no deseada y cuál a la deseada. Los métodos basados en teoría de
conjunto difusos permiten analizar información con ciertos grados de incertidumbre.
Determinados modelos de intersecciones y uniones en teoría de conjuntos difusos
representados por normas T, co-normas T y funciones de promediación, pueden ser
11/07/2017 11:17 am
Página: 12/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
usados como conectores difusos de información con bajos, moderados y altos grados
de incertidumbre [26]. Los operadores de compensación generalizada propuestos en
[27], obtenidos a partir de las funciones de promediación [26], adicionalmente
pueden ser usados en el análisis de datos con grados de incertidumbre [28], [29].
A partir de normas T, co-normas T, funciones de promediación y operadores de
compensación generalizada cuatros funciones F, S, M, y L definidas en [a,b]×[a,b] en
[a,b] con a,b números reales con las siguientes restricciones:
1.
2.
3.
4.
Para todo c,cp en [a,b], F(c,cp) ≤ min{c,cp}.
Para todo c,cp en [a,b], S(c,cp) ≥ max{c,cp}.
Para todo c,cp en [a,b], min{c,cp} ≤ M(c,cp) ≤ max{c,cp}.
Para todo c,cp en [a,b], F(c,cp) ≤ M(c,cp) ≤ S(c,cp).
Al considerar estas restricciones es necesario definir un conjunto de transformaciones
lineales que permitan mantener la información densitométrica contenida en las
imágenes en el rango de intensidades establecido en el intervalo [a,b].
Cuatro conectores difusos T, G, P, y C son asociados a las funciones F, S, M, y L a
través de las transformaciones lineales mostradas en las relaciones 4, 5, 6 y 7.
F(c,cp) = a + (b – a) T(s,sp)
(4)
S(c,cp) = a + (b – a) G(s,sp)
(5)
M(c,cp) = a + (b – a) P(s,sp)
(6)
L(c,cp) = a + (b – a) C(s,sp)
(7)
en las cuales s = (c – a)/(b – a) y sp = ( cp – a)/(b – a) representan los valores
normalizados de las intensidades de las imágenes. T, G, P, y C deben ser funciones
continuas no decrecientes.
La Tabla 1 presentada en [26] lista un conjunto de normas T y co-normas T usadas
como conectivos difusos T y G, mientras que la Tabla 9 de la misma referencia lista
funciones de promediación usadas como conectivo difuso P. Por su parte, en la Tabla
1 mostrada en [27] se lista los operadores de compensación generalizada
considerados en la construcción de C.
11/07/2017 11:17 am
Página: 13/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
Resultados Esperados
Una técnica computacional basada en conectivos difusos, útil para realzar la
información asociada a las cámaras del corazón obtenidas de procesos de
imagenología basados en emisión de fotones.
Referencias
[1] R. Kruger, X–ray Digital Cineangiocardiography, en Cardiac Imaging and Image
Processing. USA: MacGraw–Hill, 1986.
[2] R. Zanella, P. Boccacci, L. Zanni, y M. Bertero, “Efficient gradient projection
methods for edge-preserving removal of Poisson noise,” Inverse Problems, vol. 25,
no. 4, pp. 1–24, 2009.
[3] A. Maiera, L. Wigstrm, H. Hofmann, J. Hornegger, L. Zhu, N. Strobel, y R.
Fahrig, “Three-dimensional anisotropic adaptive filtering of projection data for noise
reduction in cone beam CT,” Medical Physics, vol. 38, no. 11, pp. 5896–5909, 2011.
[4] R. Chan y K. Chen, “Multilevel algorithm for a Poisson noise removal model with
total-variation regularization,” International Journal of Computer Mathematics, no. 5,
pp. 1–18, 2007.
[5] J. Hsieh, “Image artifacts: appearances, causes, and corrections.” en SPIE Press
Computed tomography: principles, design, artifacts, and recent advances,
Bellingham, WA, USA, 2003, pp. 167–240.
[6] L. Kroft, A. de Roos, y J. Geleijns, “Artifacts in ECG–synchronized MDCT
coronary angiography,” American Journal of Roentgenology, vol. 189, no. 3, pp.
581–591, 2007.
[7] J. Barrett y N. Keat, “Artifacts in CT: Recognition and avoidance 1 ,”
Radiographics, vol. 24, no. 6, pp. 1679–1691, 2004.
[8] G. Wang y M. Vannier, “Stair–step artifacts in three-dimensional helical CT: an
experimental study”. Radiology, no. 191, pp. 79–83, 1994.
11/07/2017 11:17 am
Página: 14/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
[9] G. Rubin, D. Paik, P. Johnston, y S. Napel, “Measurement of the aorta and its
branches with helical CT”. Radiology, no. 206, pp. 823–829, 1998.
[10] Z. Kelm, D. Blezek, B. Bartholmai, y B. Erickson, “Optimizing non-local means
for denoising low dose CT,” en The IEEE International Symposium on Biomedical
Imaging (ISBI), Spain, May 2009, pp. 662–665.
[11] A. Buades, B. Coll, y J. Morel, “A review of image denoising algorithms with a
new one,” Multiscale Modeling and Simulation, vol. 4, no. 2, pp. 490–530, 2005.
[12] A. Borsdorf, R. Raupach, T. Flohr, y J. Hornegger, “Wavelet based noise
reduction in CT-images using correlation analysis,” IEEE Transactions on Medical
Imaging, vol. 27, no. 12, pp. 1685–1703, 2008.
[13] G. Gerig, R. Kikinis, O. Kbler, y F. Jolesz, “Nonlinear anisotropic filtering of
MRI data,” IEEE Transactions on Medical Imaging, vol. 11, no. 2, pp. 221–232,
1992.
[14] S. Keeling, “Total variation based on convex filters for medical imaging,”
Applied Mathematics Computation, vol. 139, no. 1, pp. 101–119, 2003.
[15] R. Nowak, “Wavelet–based rician noise removal for magnetic resonance
imaging,” IEEE Transactions on Medical Imaging, vol. 8, no. 10, pp. 1408–1419,
1999.
[16] A. Frangi, D. Rueckert, y J. Duncan, “Three-dimensional cardiovascular image
analysis,” IEEE Transactions on Medical Imaging, vol. 21, no. 9, pp. 1005-1010,
2002.
[17] Vera M., Bravo A., Medina R. “Improving Ventricle Detection in 3–D Cardiac
Multislice Computerized Tomography Images”, Communications in Computer and
Information Science, Vol. 229, No. 1, pp. 170–183, 2011.
[18] E. Kimura, E. Rosas, et al. “Tomografía computada multidetector de arterias
coronarias: estado del arte. Parte I: Aspectos técnicos”. Arch. Cardiol. Méx., Jun
2007, vol.77, no.2, p.137-149. ISSN 1405-9940.
[19] Tucci A., “Radiognástico y Radioterapia”, Universidad de los Andes, 2012.
11/07/2017 11:17 am
Página: 15/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
[20] Tucci A., “Obtención de Imágenes Médicas”, Universidad de los Andes, 2012.
[21] D. Boyd y D. Farmer, “Cardiac computed tomography,” en Cardiac Imaging and
Image Processing, S. Collins y D. Skorton, Eds. New York, USA: McGraw Hill Book
Company, 1980, pp. 57–87.
[22] R. Robb y M. Morin, “Principles and instrumentation for dynamic X–ray
computed tomography,” en Cardiac Imaging. A Companion to Braunwald’s Heart
Disease, M. Marcus, H. Schelbert, D. Skorton, y G. Wolf, Eds. Philadelphia, USA:
W.B. Saunders Company, 1991, pp. 634–668.
[23] E. Seeram, Computed Tomography: Physical Principles, Clinical Applications,
and Quality Control. New York: W.B. Saunders Company, 2001.
[24] W. Pratt, Digital Image Processing. USA: John Wiley & Sons Inc, 2007.
[25] R. González y R. Woods, Digital Image Processing. USA: Prentice Hall, 2001.
[26] Mizumoto M. Pictorial Representations of fuzzy connectives, Part I: Cases of tnorms, t-conorms and averaging operators. Fuzzy Sets and Systems 31, 217–242.
1989
[27] Mizumoto M. Pictorial Representations of fuzzy connectives, Part II: Cases of
Compensatory Operators and Seft-dual Operators. Fuzzy Sets and Systems 32,
45–79. 1989.
[28] F. Herrera, E. Herrera-Viedma, M. Lozano, J.L. Verdegay. Fuzzy Tools to
Improve Genetic Algorithms.Junio, 1994.
[29] M.M. Gupta, J. Qi, Theory of T-norms and fuzzy inference methods, Fuzzy Sets
and Systems, Volume 40, Issue 3, 15 April 1991, Pages 431-450, ISSN 0165-0114,
http://dx.doi.org/10.1016/0165-0114(91)90171-L.
Impacto en la Sociedad
El desarrollo de técnicas de procesamiento de imágenes médicas tienen un alto
impacto en la sociedad, ya que la optimización mediante la implantación de nuevas y
11/07/2017 11:17 am
Página: 16/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
robustas técnicas contribuye a mejores diagnosticos de diferentes patologías por parte
de los especialistas.
Pertinencia
El uso de técnicas avanzadas de procesamiento de imágenes en imagenología médica
tales como las técnicas de realce de información abre nuevas posibilidades de
optimización de las técnicas de análisis e interpretación rutinariamente usadas por los
especialistas, especialmente en aquellos casos en los cuales los datos (imágenes) han
sido altamente impactados por el ruido y los artefactos generados durante la
adquisición.
Impacto Ambiental
No aplica.
Beneficios
Los productos generados permitirán avanzar en el conocimiento acerca de los
técnicas computaciones útiles para realzar la información contenida en imágenes
obtenidas mediante procedimientos de imagenología que involucran emisión de
fotones.
Presupuesto
Los viáticos y pasajes (transporte) solicitados constituyen los recursos necesarios para
realizar las visitas de investigación requeridas a la Universidad Simón Bolívar,
Caracas, Venezuela.
Descripción
Monto (Bs.)
Viaticos
6000
Hospedaje
0
Alimentación
0
11/07/2017 11:17 am
Página: 17/18
Universidad Nacional Experimental de Táchira
Vicerrectorado Académico
Decanato de Investigación UNET
Descripción
PROYECTO DE
INVESTIGACIÓN
ORDINARIO
DINV-35
Monto (Bs.)
Transporte
6000
Materiales
0
Servicios no personales 0
Total Presupuesto: Bs.12000
11/07/2017 11:17 am
Página: 18/18