Ortogonalización de derivaciones de electrocardiograma / Orthogonalization of electrocardiographic derivations

Introducción: El delineador de señales electrocardiográficas (ECG) multiderivación basado en la transformada wavelet posee alta resolución espacial y permite eliminar las diferencias interderivación que aparecen tradicionalmente en los métodos uniderivación. Para esto necesita de derivaciones de señales electrocardiográficas ortogonales entre sí para la obtención de un bucle espacial. Objetivo: Desarrollar métodos de ortogonalización de dos o tres derivaciones de señales electrocardiográficas que permitan la generalización del delineador multiderivación basado en la transformada wavelet en cualquier base de datos señales electrocardiográficas con más de una derivación. Métodos: Se implementaron tres métodos de ortogonalización de derivaciones de señales electrocardiográficas: ortogonalización de dos derivaciones a partir de la proyección de vectores, ortogonalización a partir de componentes principales y ortogonalización a partir del método clásico de Gram-Schmidt. Resultados: Se comparó el funcionamiento del delineador multiderivación de ECG cuando es usado cada método de ortogonalización, mediante el cálculo de la media aritmética y la desviación estándar teniendo en cuenta diferentes combinaciones de derivaciones de ambas bases de datos para cada una de las marcas analizadas. Los mejores resultados se obtuvieron con el método análisis de componentes principales y el peor comportamiento con el método de ortogonalización de dos derivaciones. Conclusiones: Los algoritmos de ortogonalización que obtuvieron los mejores resultados fueron los basados en tres derivaciones ortogonales, en la que fue ligeramente superior la descomposición en componentes principales y, por tanto, se considera el método más adecuado para la generalización del delineador multiderivación(AU)

Introduction: The wavelet transform-based multiderivation electrocardiographic (ECG) signal delineator has high spatial resolution and makes it possible to eliminate interderivation differences traditionally appearing in uniderivation methods. But this requires electrocardiographic signal derivations orthogonal to one another to obtain a spatial loop. Objective: Develop orthogonalization methods of two or three electrographic signal derivations allowing generalization of the wavelet transform-based multiderivation delineator in any electrographic signal database with more than one derivation. Methods: Three orthogonalization methods were implemented for electrocardiographic signal derivations: vector projection-based two-derivation orthogonalization, principal component-based orthogonalization, and orthogonalization based on the Gram-Schmidt classic method. Results: A comparison was performed between the operation of the ECG multiderivation delineator when used with each orthogonalization method. The comparison was based on estimation of the arithmetic mean and standard deviation bearing in mind different combinations of derivations from both databases for each of the marks analyzed. The best results were obtained with the principal component analysis method and the worst ones with the two-derivation orthogonalization method. Conclusions: The orthogonalization algorithms obtaining the best results were those based on three orthogonal derivations, in which decomposition into principal components was slightly higher. This is therefore considered to be the most appropriate method for generalization of the multiderivation delineator(AU)

Herramienta para la detección automática de nódulos pulmonares solitarios en series de imágenes de tomografía computarizada multicorte / A tool for automated detection of solitary pulmonary nodules in series of multicut computerized tomography images

Introducción: el nódulo pulmonar solitario es uno de los problemas más frecuentes en la práctica del radiólogo, que constituye un hallazgo incidental habitual en los estudios torácicos realizados durante el ejercicio clínico diario. Objetivo: implementar un sistema de diagnóstico asistido por computadora que facilite la detección del nódulo pulmonar solitario en las series de imágenes de tomografía computarizada multicorte. Métodos: se utilizó Matlab para el desarrollo y evaluación de un conjunto de algoritmos que constituyen elementos necesarios de un sistema de diagnóstico asistido por computadora. En orden: un algoritmo para la extracción de las regiones de interés, algoritmo para la extracción de características y un algoritmo de detección de nódulo pulmonar solitario para el cual se probaron varios clasificadores. La evaluación de los algoritmos fue efectuada en base a las anotaciones realizada por especialistas a la colección de imágenes LIDC-IDRI (Lung Image Database Consortium). Resultados: el método de segmentación empleado para extracción de las regiones de interés permitió generar la adecuada división de las imágenes originales en regiones significativas. El algoritmo utilizado en la detección mostró para el conjunto de prueba además de buena exactitud (de 96,4 por ciento), un buen balance de sensibilidad (91,5 por ciento) para una tasa de 0,84 falsos positivos por imagen. Conclusiones: el trabajo de investigación y la implementación realizada se reflejan en la construcción de una interfaz gráfica en Matlab como prototipo del sistema de diagnóstico asistido por computadora, con el que se puede contribuir a detectar más fácilmente el NPS(AU)

Introduction: solitary pulmonary nodules are one of the most frequent problems in radiographic practice. They are a common incidental finding in chest studies conducted during routine clinical work. Objective: implement a computer-assisted diagnostic system facilitating detection of solitary pulmonary nodules in multicut computerized tomography image series. Methods: Matlab was used to develop and evaluate a set of algorithms constituting necessary components of a computer-assisted diagnostic system. The order was the following: an algorithm to extract regions of interest, another to extract characteristics, and another to detect solitary pulmonary nodules, for which several classifiers were tested. Evaluation of the algorithms was based on notes taken by specialists on the LIDC-IDRI (Lung Image Database Consortium) image collection. Results: the segmentation method used for extraction of regions of interest made it possible to create a suitable division of the original images into significant regions. The algorithm used for detection found that the test set exhibited good accuracy (96.4%), a good sensitivity balance (91.5%), and a 0.84 rate of false positives per image. Conclusions: the research and implementation work done is reflected in the construction of a Matlab graphic interface serving as a prototype for a computer-assisted diagnostic system which may facilitate detection of SPNs.