Análisis de texturas homogéneas para la estimación volumétrica de la materia cerebral por tomografía computarizada / Analysis of Homogeneous Textures for the VolumetricEstimation of Brain Matter by Computed Tomography

Las aplicaciones de análisis de texturas y su extracción de características son consideradas tendencias de investigación en las neurociencias. La textura como método de análisis de imágenes ha mostrado resultados prometedores en la detección de lesiones visibles y no visibles, y en estudios de tomografía computarizada (TC) son escasos. La presente investigación tiene como objetivo determinar la aplicabilidad del procesamiento automático de índices de texturas homogéneas en la estimación volumétrica de la sustancia gris cerebral en imágenes de TC craneal. Para ello se utilizaron imágenes artificiales con regiones predefinidas y la selección de imágenes de TC en los pacientes con indicaciones previas de TC de cráneo. Dos pasos fundamentales son conducidos para la implementación de este enfoque. Como resultado se obtuvo un método automático de reconocimiento de patrones sin ventanas por medio de la extracción de características de textura homogéneas a través de la matriz de co-ocurrencia(AU)

Texture analysis applications and their extraction of features are considered research trends in neuroscience. Texture as a method of image analysis has shown promising results in the detection of visible and non-visible lesions, and in computed tomography (CT) studies they are scarce. The present research aims to determine the applicability of the automatic processing of homogeneous texture indices in the volumetric estimation of brain gray matter in cranial CT images. For this, artificial images with predefined regions and the selection of CT images were used in patients with previous indications for CT of the skull. Two fundamental steps are taken for the implementation of this approach. As a result, an automatic windowless pattern recognition method was obtained by means of the extraction of homogeneous texture characteristics through the co-occurrence matrix(AU)

Coherence analysis of EEG in locomotion using graphs / Análisis de coherencia de señales EEG en locomoción usando grafos

Abstract: One of the most interesting brain machine interface (BMI) applications, is the control of assistive devices for rehabilitation of neuromotor pathologies. This means that assistive devices (prostheses, orthoses, or exoskeletons) are able to detect user motion intention, by the acquisition and interpretation of electroencephalographic (EEG) signals. Such interpretation is based on the time, frequency or space features of the EEG signals. For this reason, in this paper a coherence-based EEG study is proposed during locomotion that along with the graph theory allows to establish spatio-temporal parameters that are characteristic in this study. The results show that along with the temporal features of the signal it is possible to find spatial patterns in order to classify motion tasks of interest. In this manner, the connectivity analysis alongside graphs provides reliable information about the spatio-temporal characteristics of the neural activity, showing a dynamic pattern in the connectivity during locomotions tasks.

Resumen: Una de las aplicaciones de las interfaces cerebro máquina (BMI, por las siglas en Inglés de brain machine interface) que en la actualidad han tenido mucho interés es el control de dispositivos de asistencia en rehabilitación de patologías neuromotrices. Esto es, que los dispositivos (prótesis, órtesis o exoesqueletos) tengan la capacidad de ejecutar la intención de movimiento del usuario, a través de la interpretación de las señales electroencefalográficas (EEG). Dicha interpretación se basa en el conocimiento de características en diferentes dominios de la señal EEG i.e., el dominio del tiempo, de la frecuencia o del espacio. Por tal motivo, en este trabajo proponemos un estudio sobre la coherencia de las señales EEG durante actividades de locomoción que, por medio de la teoría de grafos, nos permita establecer parámetros espacio-temporales característicos de las actividades motrices propuestas. Los resultados muestran que, además de las características temporales de la señal, es posible encontrar patrones espaciales que ayuden a clasificar las tareas motrices de interés. Esto es, el análisis de conectividad complementado con sus grafos asociados proporciona información confiable sobre las características espacio-temporales de la actividad neural, reflejando la dinámica de sus ajustes en correspondencia con distintos niveles de conectividad durante la marcha.

RECUPERACIÓN BASADA EN CONTENIDO DE IMÁGENES MICROSCÓPICAS DE CUELLO UTERINO INFECTADAS CON EL VIRUS DEL PAPILOMA HUMANO EMPLEANDO CARACTERÍSTICAS DE TEXTURA / CONTENT-BASED RETRIEVAL OF CERVICAL MICROSCOPIC IMAGES INFECTED WITH HUMAN PAPILLOMAVIRUS USING TEXTURAL FEATURES / RECUPERAÇÃO BASEADA NO CONTEÚDO DE IMAGENS MICROSCÓPICAS DE COLO DO ÚTERO INFECTADO COM VÍRUS DO PAPILOMA HUMANO, UTILIZANDO CARACTERÍSTICAS DE TEXTURA

Se presenta el proceso de caracterización implementado para la obtención de descriptores visuales que representan el contenido visual de imágenes digitales de biopsias de cuello uterino infectadas con el Virus del Papiloma Humano (VPH), en las que se capturan tejidos con lesiones conocidas como Condiloma Plano Viral. A partir de la construcción de una base de datos de imágenes de biopsias de cuello uterino y el análisis e implementación de técnicas de filtrado que resaltan la información relacionada a las texturas contenidas en los tejidos que captura cada imagen y de técnicas de extracción de características que describen el contenido de las imágenes; se propone un conjunto de características que describen el contenido de las imágenes a partir de modificaciones propias de la Transformada Discreta de Wavelets y el cálculo de la Matriz de Coocurrencia, donde este conjunto de características propuesto proporcionó un porcentaje promedio de recuperación del 80% en imágenes microscópicas de cuello uterino infectadas con el VPH, sobre las cuales no se conocen sistemas CBIR desarrollados. Finalmente, se determina el porcentaje de recuperación promedio a partir del uso de métricas de similaridad basadas en la norma LP.

The purpose of this work is to report the characterization process implemented to obtain visual descriptors representing visual content of digital images of cervical biopsies infected with Human Papilloma Virus (HPV). Positive biopsies with infected tissues present lesions known as Condyloma Plano Viral. A database of images of cervical biopsies was constructed in addition to the implementation of techniques that enhance the texture information and describe the content of images. This work proposed a set of features to describe the content of images from custom modifications of Discrete Wavelet Transform and the calculation of the Co-occurrence Matrix. This proposed feature set provided an average recovery rate of 80% in microscopic images of the cervix infected with HPV, from which CBIR systems have not been developed. Finally, this work determines the average recovery rate from the use of similarity metrics based on the standard LP.

Neste trabalho é apresentado o processo implementado de caracterização para a obtenção de descrições visuais que representam o conteúdo visual de imagens digitais de biópsias cervicais infectadas com Papilomavírus Humano (HPV), capturadas em lesões de tecidos conhecidas como Condiloma Plano Viral. A partir da construção de uma base de dados de imagens de biópsias do colo uterino, análise e implementação de técnicas de filtragem de características que descrevem o conteúdo das imagems, propõe-se um conjunto de características que descrevem o conteúdo das imagens a partir de modificações próprias da Transformada Discreta de Wavelets e o cálculo da Matriz de co-ocorrência, onde o conjunto de características propostas resultou numa porcentagem média de 80% de recuperação nas imagens microscópicas de colo uterino infectado com o VPH, sobre as quais não se percebe o desenvolvimento dos sistemas CBIR. Finalmente, a taxa de recuperação média foi determinada a partir da utilização de métricas de similaridade com base na indicação de LP.

EVALUACIÓN DE TÉCNICAS PARA EL ANÁLISIS DE RELEVANCIA BASADAS EN FILTROS SOBRE IMÁGENES RADIOLÓGICAS / EVALUATION OF TECHNIQUES FOR RELEVANCE ANALYSIS OF RADIOLOGICAL IMAGES USING FILTERS

Una etapa importante y fundamental en el reconocimiento de patrones sobre imágenes es la determinación del conjunto de características que mejor pueda describir la misma. En este artículo se presenta una etapa adicional entre la caracterización de la imagen y su posterior clasificación o recuperación de imágenes similares a una imagen dada, conocido como análisis de relevancia. Este permite reducir la dimensionalidad del conjunto inicial de características a un nuevo conjunto de menor dimensión que conserva la tasa de acierto de la recuperación. Las imágenes analizadas correspondieron a nódulos pulmonares de placas radiológicas de tórax disponibles en una base de datos de acceso libre disponible a través de la sociedad japonesa de tecnología radiológica. Se analizaron algoritmos de selección de características basados en filtros que incluyeron los métodos FOCUS, RELIEEF-F y Branch & Bound (B&B). Estos algoritmos fueron modificados e implementados en C++. En el caso de RELIEF-F se logró obtener un ahorro del 34% de características sin afectar la tasa de recuperación cuando se empleaba el 100% de las características originales. Asimismo, el algoritmo implementado presentó un desempeño superior al algoritmo original disponible en la herramienta de código abierto Weka. Asimismo se implementó una estrategia de ponderación de pesos aplicada a las características identificadas cuando se utilizaron los algoritmos RELIEF-F, FOCUS y B&B simultáneamente. Dicha estrategia permitió ponderar cada característica de acuerdo a su participación en los conjuntos mínimos de características relevantes y determinar la consistencia de los mismos. La estrategia de pesos permitió un ahorro del 48% de características necesarias para la recuperación, aunque la tasa de recuperación fue disminuida de 77% a 76%.

An important and fundamental stage in the image pattern recognition is the determination of the characteristics set that best describes the image. This paper describes a further step between the image characterization and its posterior classification or image retrieval similar to a given image, known as relevance analysis. It allows reducing the dimensionality of an initial set of features to a new set with fewer dimensions that preserves the hit rate of the retrieval. The analyzed images corresponded to lung nodules of radiological plaques of thorax, available through the open access library available through the Japanese society of radiological technology. To achieve these results, characteristic selection algorithms based on different filters such as FOCUS, RELIEEF-F, and BRANCH & BOUND (B&B) were analyzed. In the case of RELIEF-F it was possible to save as much as 34% of the initial characteristics set without affecting the retrieval rate compared to when the 100% of characteristics were used. Further, the implemented algorithm achieved a superior performance to that of the original algorithm included in the validated Weka software. Likewise, a strategy consisting in weights averaging was implemented that was applied to identified characteristics when the algorithms RELIEF-F, FOCUS and B&B were used simultaneously. Such weighting scheme, allowed the averaging of each characteristic according to its contribution in the minimal set of relevant features, allowing to determinate their consistency. The weighting strategy allowed a 48% reduction in the characteristics, although the retrieval hit rate slightly decreased from 77% to 76%.