Detección Automática y Clasificación de Eventos en Sonidos Cardiopulmonares de Sujetos Saludables / Automatic Detection and Classification of Cardiopulmonary Events

Resumen: La auscultación de señales basada en un estetoscopio estándar y/o electrónico no solo incluye sonidos internos del cuerpo, también incluye frecuentemente ruido externo de interferencia con componentes en el mismo rango. Esta forma de examinar es incluso afectada por los umbrales auditivos variantes de los profesionales de la salud y el grado de experiencia en reconocimiento de indicadores peculiares. Además, los resultados son a menudo caracterizados en términos cualitativos descriptivos sujetos a interpretaciones individuales. Para direccionar esta preocupación, los estudios presentados en este artículo contienen un procesamiento concurrente de las componentes dominantes de sonidos del corazón (HS) y del pulmón (HS), y una etapa de acondicionamiento que incluye la reducción de HS presente en señales LS. Específicamente, la transformada de Hilbert fue una técnica de caracterización para HS. En el caso de señales enfocadas a LS, las técnicas de detección de actividad de voz y el cálculo de umbrales de algunos componentes de los vectores acústicos de Coeficientes Cepstrales en Frecuencia Mel (MFCC), fueron útiles en la caracterización de eventos acústicos asociados. Las fases de inspiración y expiración fueron diferenciadas por medio de la sexta componente de MFCC. Con el fin de evaluar la eficiencia de esta aproximación, proponemos los Modelos Ocultos de Markov con Modelos Mesclados Gaussianos (HMM-GMM). Los resultados utilizando esta forma de detección son superiores cuando se desarrolla la clasificación con modelos HMM-GMM, la cual refleja las ventajas de la forma de detección cuantificable y clasificación sobre la aproximación clínica tradicional.

Abstract: A standard and/or electronic stethoscope based auscultatory signals include not only the internal sounds of the body but also interfering external noise often with similar frequency components. This form of examination is also affected by varying thresholds of clinical practitioner's hearing and degree of experience in recognition of peculiar auscultatory indicators. Further, the results are often characterized in qualitative descriptive terms subject to individual's interpretation. To address these concerns, presented studies include concurrent processing of dominant heart (HS) and lung (LS) sounds components and a conditioning stage involving HS presence reduction within LS focused signals. Specifically as determined, the Hilbert transform was a technique of choice in HS characterization. In the case of LS focused signals, the speech activity detection techniques (VAD) and the thresholds calculation of some components of acoustic vectors of Cepstral Coefficients in Mel Frequency (MFCC), were useful in characterization of associated acoustic events. The phases of inspiration and expiration were differentiated by means of the sixth component of MFCC. In order to evaluate the efficiency of this approach, we propose Hidden Markov Models with Mixed Gaussian Models (HMM-GMM). The results utilizing this form of detection are superior when performing classification with HMM-GMM models, which reflect the advantages of presented form of quantifiable detection and classification over traditional clinical approach.

Detección de trayectorias de espermatozoides humanos mediante técnicas de procesamiento de video / Detection of human sperm tracks using video processing techniques

Resumen: El análisis de motilidad espermática es muy importante para la evaluación de fertilidad humana. A menudo este análisis se lleva a cabo de forma manual, pero puede ser susceptible a errores inherentes a la naturaleza del procedimiento. Además de conllevar largos periodos de tiempo, los resultados son subjetivos y carentes de repetitividad. Con el fin de mejorar esto, presentamos un algoritmo semi-automático que rastree de manera precisa el desplazamiento de los espermatozoides. La metodología implementada se basó en la aplicación de modelos gaussianos adaptativos para detectar los espermatozoides en movimiento y segmentarlos a lo largo de los fotogramas de un video, posteriormente fueron aplicadas operaciones morfológicas y análisis de componentes conectados para reducir ruido en la imagen y calcular los centroides respectivamente. Luego, el algoritmo de Munkres y el filtro de Kalman fueron utilizados con el propósito de asignar centroides a las trayectorias. Finalmente, las trayectorias son visualizadas en pantalla. Los resultados evidencian un 90.91% de precision con respecto al análisis manual por parte de un experto. La herramienta tiene como único objetivo detectar el movimiento y trazar el desplazamiento de los espermatozoides en vídeo para muestras espermáticas humanas. Por otra parte, permite a los expertos en andrología llevar a cabo un análisis más exacto de las características individuales de los espermaozoides, teniendo así un soporte tecnológico a bajo costo, preciso y con repetitividad en los resultados que les permita emitir un diagnóstico más acertado. Por lo tanto, este método puede ayudar a especialistas a reducir periodos de tiempo y realizar un análisis más objetivo de motilidad espermática. De esta manera, el diagnóstico de fertilidad será más confiable.

Abstract: Sperm motility analysis is very important for human fertility assessment. It is often carried on manually, but this could be susceptible to mistakes due to the nature of procedure. In addition to being time-consuming, results are merely subjective and non-repeatable. In order to overcome this, we present a semi-automated algorithm that tracks accurately the sperm movements. Adaptive Gaussian models are implemented for detecting moving spermatozoa and segment them throughout video frames. Morphological operators and connected-components labeling are applied to reduce noise and calculate centroids, respectively. Then, the Munkres algorithm along with the Kalman filter are used for the purpose of assigning centroids to tracks. Finally, tracks are displayed on screen. Outcomes show a 90.91 % of accuracy regarding to manual analysis. This algorithm aims only to detect spermatozoa movement and trace its displacement in video for human sperm samples. Moreover, it allows andrology experts to perform a more exact analysis of the individual characteristics of spermatozoa, having so a low cost, accurate and repetitive technological support that will allow them to emit more precise diagnosis. Thus, this method will help specialists to reduce time periods and make more objective analysis of sperm motility. In this way, fertility diagnosis will be more reliable.