Influencia de la interpolación sobre la calidad de imágenes de microscopía celular / Influence of Interpolation on the Quality of Cell Microscopy Images

El presente trabajo tiene el propósito de analizar, para el caso particular de imágenes de microscopía celular de eritrocitos de sangre humana, en qué medida puede influir en la calidad de la imagen la aplicación de métodos de interpolación para mejorar la resolución de esta y con qué métodos se podrían obtener resultados satisfactorios. Se aplicaron para su comparación tres métodos de interpolación a las imágenes a color seleccionadas: splines cúbicos, bicúbico y bilineal y se evaluó la eficiencia computacional de estos. Se utilizaron dos factores de reducción de la resolución (2 y 4) por filas y columnas de la imagen digital. Las medidas utilizadas para valorar la calidad de las imágenes interpoladas fueron la relación señal-ruido y el error medio cuadrático, cuyos valores fueron procesados estadísticamente mediante las pruebas de Friedman y de Wilcoxon, esta última como test post-hoc. Los resultados permiten recomendar el método bicúbico de interpolación como el más favorable para este tipo de imágenes ya que fue el de mejor comportamiento entre los utilizados(AU)

The present work has the purpose of analyzing, for the particular case of cell microscopy images of erythrocytes from human blood, to what extent the application of interpolation methods to improve the image resolution can influence the image quality and with which methods satisfactory results might be obtained. Three interpolation methods were applied for their comparison to the selected color images: cubic splines, bicubic and bilinear and their computational efficiency was also evaluated. Two resolution reduction factors (2 and 4) were used for rows and columns of the digital image. The measures used to assess the quality of the interpolated images were the signal-to-noise ratio and the mean square error, whose values were statistically processed using the Friedman and Wilcoxon tests, the latter as a post-hoc test. The results make it possible to recommend the bicubic interpolation method as the most favorable for this type of images since it was the one with the best performance among those used(AU)

Algoritmos de aprendizaje automático para la clasificación de neuronas piramidales afectadas por el envejecimiento / Machine learning algorithms for classification of pyramidal neurons affected by aging

Una caracterización morfológica precisa de las múltiples clases neuronales del cerebro facilitaría la elucidación de la función cerebral y los cambios funcionales que subyacen a los trastornos neurológicos tales como enfermedades de Parkinson o la Esquizofrenia. El análisis morfológico manual es muy lento y sufre de falta de exactitud porque algunas características de las células no se cuantifican fácilmente. Este artículo presenta una investigación en la clasificación automática de un conjunto de neuronas piramidales de monos jóvenes y adultos, las cuales degradan su estructura morfológica con el envejecimiento. Un conjunto de 21 características se utilizaron para describir su morfología con el fin de identificar las diferencias entre las neuronas. En este trabajo se evalúa el desempeño de cuatro métodos de aprendizaje automático populares en la clasificación de árboles neuronales. Los métodos de aprendizaje de máquinas utilizadas son: máquinas de vectores soporte (SVM), k-vecinos más cercanos (KNN), regresión logística multinomial (MLR) y la red neuronal de propagación hacia atrás (BPNN). Los resultados mostraron las ventajas de MLR y BPNN con respecto a los demás para estos fines. Estos algoritmos de clasificación automáticaofrecen ventajas sobre la clasificación manualbasada en expertos.Mientras que la neurociencia está pasando rápidamente a datos digitales, los principios detrás de los algoritmos de clasificación automática permanecen a menudo inaccesibles para los neurocientíficos, lo que limita las posibilidades de avances(AU)

Accurate morphological characterization of the multiple neuronal classes of the brain would facilitate the elucidation of brain function and the functional changes that underlie neurological disorders such as Parkinson's diseases or Schizophrenia. Manual morphological analysis is very time-consuming and suffers from a lack of accuracy because some cell characteristics are not readily quantified. This paper presents an investigation in the automatic classification of a data set of pyramidal neurons of young and adult monkeys, which degrade his morphologic structure with the aging. A set of 21 features were used to describe their morphology in order to identify differences between neurons. Thispaper evaluates the performance of four popular machine learning methods, in the classification of neural trees. The machine learning methods used are: support vector machines (SVMs), k-nearest neighbors (KNN), multinomial logistic regression (MLR) and back propagation neural network (BPNN). The results showed the advantages of MLR and BPNN with respect to others for this purposes. These automatic classification algorithms offer advantages over manual expert based classification. While neuroscience is rapidly transitioning to digital data, the principles behind automatic classification algorithms remain often inaccessible to neuroscientists, limiting the potential for breakthroughs(AU)

Reducción de ruido en imágenes planares de medicina nuclear con empleo de la transformada Wavelet / Denoising of nuclear medicine images using Wavelet transform

En Medicina Nuclear es altamente utilizado el diagnóstico asistido por imágenes. Sin embargo, particularmente las imágenes de gammagrafía planar pueden ser proclives a problemas de baja detectabilidad de lesiones pequeñas por estar contaminadas con ruido, fenómeno que se acentúa por la imposibilidad de aumentar la dosis del radiofármaco o el tiempo de exposición del paciente por encima de ciertos niveles. El presente artículo, describe un algoritmo de reducción del ruido aleatorio gaussiano por medio de la Transformada Wavelet. Se comparan los resultados obtenidos a partir de un conjunto de filtros diseñados por esta vía con el objetivo de seleccionar aquellos que brinden los mejores resultados, a partir de la evaluación de métricas cuantitativas de la calidad de imagen.

Diagnosis using images is widely used in Nuclear Medicine. However, in the case of planar images some problems can appear related to low detectability of small lesions, due to noise contamination. This phenomenon is emphasized because of the impossibility of increasing the radiopharmaceutical dose or the exposure time above the established levels. An algorithm to reduce the random Gaussian noise in planar images using the Wavelet Transform is described in this paper. Results are compared among a set of filters designed by this procedure, in order to select those that offer the best images considering the evaluation of the image quality through quantitative metrics.