Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.

Este proyecto pretende encontrar una estrategia novedosa para anotar automáticamente el contenido visual de grandes colecciones de imágenes médicas. Estas imágenes comprenden diferentes modalidades (rayos X, resonancia magnética, ultrasonido, histología, microscopía, etc.) y son estructuralmente var...

Full description

Autores:
González Osorio, Fabio Augusto
Tipo de recurso:
Investigation report
Fecha de publicación:
2011
Institución:
Ministerio de Ciencia, Tecnología e Innovación
Repositorio:
Repositorio Minciencias
Idioma:
spa
OAI Identifier:
oai:repositorio.minciencias.gov.co:20.500.14143/37873
Acceso en línea:
https://colciencias.metadirectorio.org/handle/11146/37873
http://colciencias.metabiblioteca.com.co
Palabra clave:
Anotácion de Imágenes
Aprendizaje de Máquina
Grandes colecciones de Imágenes
Imágenes médicas
Procesamiento de Imágenes
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id RCENDOC_78ce18b362f45e018ef80e19e8fc94f0
oai_identifier_str oai:repositorio.minciencias.gov.co:20.500.14143/37873
network_acronym_str RCENDOC
network_name_str Repositorio Minciencias
repository_id_str
dc.title.spa.fl_str_mv Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
title Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
spellingShingle Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
Anotácion de Imágenes
Aprendizaje de Máquina
Grandes colecciones de Imágenes
Imágenes médicas
Procesamiento de Imágenes
title_short Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
title_full Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
title_fullStr Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
title_full_unstemmed Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
title_sort Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.
dc.creator.fl_str_mv González Osorio, Fabio Augusto
dc.contributor.author.none.fl_str_mv González Osorio, Fabio Augusto
dc.contributor.corporatename.spa.fl_str_mv Universidad Nacional de Colombia (Bogotá, Colombia)
dc.contributor.researchgroup.none.fl_str_mv COL0038826 - Grupo de Investigación Bioingenium
dc.subject.proposal.spa.fl_str_mv Anotácion de Imágenes
Aprendizaje de Máquina
Grandes colecciones de Imágenes
Imágenes médicas
Procesamiento de Imágenes
topic Anotácion de Imágenes
Aprendizaje de Máquina
Grandes colecciones de Imágenes
Imágenes médicas
Procesamiento de Imágenes
description Este proyecto pretende encontrar una estrategia novedosa para anotar automáticamente el contenido visual de grandes colecciones de imágenes médicas. Estas imágenes comprenden diferentes modalidades (rayos X, resonancia magnética, ultrasonido, histología, microscopía, etc.) y son estructuralmente variables con respecto a su contenido (variabilidad biológica), al método de adquisición (ruido en la captura y variabilidad del posicionamiento de la fuente o del objeto) y a la circunstancia patológica. En la última década, los centros hospitalarios se han visto invadidos de cientos de miles de estas imágenes que deben ser almacenadas, transmitidas y administradas. Las bases de datos de imágenes médicas se han convertido en componentes fundamentales en la enseñanza, en el desarrollo de sistemas de apoyo al diagnóstico, en investigación y estudio de enfermedades. Estos temas son centrales en el desarrollo de la estrategia a proponer que va dirigida a fortalecer el proceso de formación de Médicos a nivel de posgrado y pregrado, y la calidad de la consulta médica mediante el uso de sistemas de apoyo al diagnóstico. El grupo de investigación Bioingenium cuenta con experiencia en problemas similares de representación, interpretación y reconocimiento de objetos complejos en imágenes biomédicas. En esta área el grupo cuenta con desarrollos y publicaciones en reconocimiento e interpretación de imágenes médicas, en particular del parásito de la malaria [9, 10, 11], reconocimiento de regiones de interés diagnóstico en imágenes de patología [12], microscopía virtual en megaimágenes de patología [17, 18, 16], recuperación de imágenes de histopatología a partir del contenido visual [2], anotación de estas mismas imágenes por conceptos de alto nivel semántico asociados al diagnóstico [3], segmentación de tejido cardiaco [25, 40] y clasificación de imágenes radiológicas[5]. El enfoque metodológico propuesto hace parte de técnicas novedosas que se están utilizando en la actualidad en las áreas de procesamiento de imágenes y aprendizaje de máquina, las cuales están siendo recientemente exploradas en el grupo. Para la representación de la imagen se propone usar características globales de la información visual basadas en color, textura y forma [12] y la representación local de la imagen estructurada bajo un enfoque completamente nuevo y recientemente explorado en el grupo, denominado bolsa de características [23]. El proceso de anotación de los conceptos visuales se llevará acabo usando técnicas de Aprendizaje Supervisado [3] y Semisupervisado [5]. Este último aborda el problema de generalizar el conocimiento, cuando se dispone del algún conjunto de imágenes anotadas por algunos conceptos sobre la totalidad de datos sin anotaciones de forma automática. Se hará especial énfasis en Métodos de Kernel [23], el cual es uno de los principales enfoques en el Aprendizaje de Máquina contemporáneo.
publishDate 2011
dc.date.issued.none.fl_str_mv 2011-09-24
dc.date.accessioned.none.fl_str_mv 2020-02-26T16:39:57Z
2020-12-17T21:58:18Z
dc.date.available.none.fl_str_mv 2020-02-26T16:39:57Z
2020-12-17T21:58:18Z
dc.type.spa.fl_str_mv Informe de investigación
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_93fc
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_18ws
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/report
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/PID
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/submittedVersion
http://purl.org/coar/version/c_71e4c1898caa6e32
info:eu-repo/semantics/submittedVersion
format http://purl.org/coar/resource_type/c_18ws
status_str submittedVersion
dc.identifier.uri.none.fl_str_mv https://colciencias.metadirectorio.org/handle/11146/37873
dc.identifier.instname.spa.fl_str_mv Colciencias
dc.identifier.reponame.spa.fl_str_mv Repositorio Colciencias
dc.identifier.repourl.spa.fl_str_mv http://colciencias.metabiblioteca.com.co
url https://colciencias.metadirectorio.org/handle/11146/37873
http://colciencias.metabiblioteca.com.co
identifier_str_mv Colciencias
Repositorio Colciencias
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartofseries.none.fl_str_mv Informe;
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.spa.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by/4.0/
dc.format.extent.spa.fl_str_mv 56 páginas.
dc.coverage.projectdates.spa.fl_str_mv 2009-2011
institution Ministerio de Ciencia, Tecnología e Innovación
bitstream.url.fl_str_mv https://repositorio.minciencias.gov.co/bitstreams/e79c00d0-4a33-4234-97c2-598d11b3ebd4/download
https://repositorio.minciencias.gov.co/bitstreams/c8bcb222-c95f-476b-a80a-86984a3e48c4/download
https://repositorio.minciencias.gov.co/bitstreams/a5281676-396c-44d9-92a0-e8e67c731b43/download
https://repositorio.minciencias.gov.co/bitstreams/aadf793f-b5c8-40d1-b9b1-dd6861b37519/download
https://repositorio.minciencias.gov.co/bitstreams/a1e056c0-3da3-47cb-9f38-2e1a1be6775b/download
bitstream.checksum.fl_str_mv c28baa0067a8edfe5c5dbc778d429d0a
8ffe28672ea88fddc177fe365a489039
d41d8cd98f00b204e9800998ecf8427e
3bf4454c3babbc4c853d228894283e58
92a913cba409f898fc63561ea247ae4d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de Minciencias
repository.mail.fl_str_mv cendoc@minciencias.gov.co
_version_ 1811305891909074944
spelling González Osorio, Fabio Augusto35912f60905ba6e179208c70e6024e80-1Universidad Nacional de Colombia (Bogotá, Colombia)COL0038826 - Grupo de Investigación Bioingenium2020-02-26T16:39:57Z2020-12-17T21:58:18Z2020-02-26T16:39:57Z2020-12-17T21:58:18Z2011-09-24https://colciencias.metadirectorio.org/handle/11146/37873ColcienciasRepositorio Colcienciashttp://colciencias.metabiblioteca.com.coEste proyecto pretende encontrar una estrategia novedosa para anotar automáticamente el contenido visual de grandes colecciones de imágenes médicas. Estas imágenes comprenden diferentes modalidades (rayos X, resonancia magnética, ultrasonido, histología, microscopía, etc.) y son estructuralmente variables con respecto a su contenido (variabilidad biológica), al método de adquisición (ruido en la captura y variabilidad del posicionamiento de la fuente o del objeto) y a la circunstancia patológica. En la última década, los centros hospitalarios se han visto invadidos de cientos de miles de estas imágenes que deben ser almacenadas, transmitidas y administradas. Las bases de datos de imágenes médicas se han convertido en componentes fundamentales en la enseñanza, en el desarrollo de sistemas de apoyo al diagnóstico, en investigación y estudio de enfermedades. Estos temas son centrales en el desarrollo de la estrategia a proponer que va dirigida a fortalecer el proceso de formación de Médicos a nivel de posgrado y pregrado, y la calidad de la consulta médica mediante el uso de sistemas de apoyo al diagnóstico. El grupo de investigación Bioingenium cuenta con experiencia en problemas similares de representación, interpretación y reconocimiento de objetos complejos en imágenes biomédicas. En esta área el grupo cuenta con desarrollos y publicaciones en reconocimiento e interpretación de imágenes médicas, en particular del parásito de la malaria [9, 10, 11], reconocimiento de regiones de interés diagnóstico en imágenes de patología [12], microscopía virtual en megaimágenes de patología [17, 18, 16], recuperación de imágenes de histopatología a partir del contenido visual [2], anotación de estas mismas imágenes por conceptos de alto nivel semántico asociados al diagnóstico [3], segmentación de tejido cardiaco [25, 40] y clasificación de imágenes radiológicas[5]. El enfoque metodológico propuesto hace parte de técnicas novedosas que se están utilizando en la actualidad en las áreas de procesamiento de imágenes y aprendizaje de máquina, las cuales están siendo recientemente exploradas en el grupo. Para la representación de la imagen se propone usar características globales de la información visual basadas en color, textura y forma [12] y la representación local de la imagen estructurada bajo un enfoque completamente nuevo y recientemente explorado en el grupo, denominado bolsa de características [23]. El proceso de anotación de los conceptos visuales se llevará acabo usando técnicas de Aprendizaje Supervisado [3] y Semisupervisado [5]. Este último aborda el problema de generalizar el conocimiento, cuando se dispone del algún conjunto de imágenes anotadas por algunos conceptos sobre la totalidad de datos sin anotaciones de forma automática. Se hará especial énfasis en Métodos de Kernel [23], el cual es uno de los principales enfoques en el Aprendizaje de Máquina contemporáneo.56 páginas.spaInforme;Representación y Clasificación de Grandes Colecciones de Imágenes Médicas.Informe de investigaciónhttp://purl.org/coar/resource_type/c_18wshttp://purl.org/coar/resource_type/c_93fcTextinfo:eu-repo/semantics/reporthttps://purl.org/redcol/resource_type/PIDinfo:eu-repo/semantics/submittedVersionhttp://purl.org/coar/version/c_71e4c1898caa6e32info:eu-repo/semantics/submittedVersion2009-2011info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by/4.0/Anotácion de ImágenesAprendizaje de MáquinaGrandes colecciones de ImágenesImágenes médicasProcesamiento de ImágenesEstudiantes, Profesores, Comunidad científica colombiana, etc.110148925577727-2009Departamento Administrativo de Ciencia, Tecnología e Innovación [CO] ColcienciasDiseñar e implementar un sistema de anotación automática de colecciones de imágenes médicas de rayos X.PublicationORIGINAL110148925577.pdf110148925577.pdfInforme finalapplication/pdf14690132https://repositorio.minciencias.gov.co/bitstreams/e79c00d0-4a33-4234-97c2-598d11b3ebd4/downloadc28baa0067a8edfe5c5dbc778d429d0aMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-814800https://repositorio.minciencias.gov.co/bitstreams/c8bcb222-c95f-476b-a80a-86984a3e48c4/download8ffe28672ea88fddc177fe365a489039MD52license.txtlicense.txttext/plain; charset=utf-80https://repositorio.minciencias.gov.co/bitstreams/a5281676-396c-44d9-92a0-e8e67c731b43/downloadd41d8cd98f00b204e9800998ecf8427eMD55TEXT110148925577.pdf.txt110148925577.pdf.txtExtracted texttext/plain56https://repositorio.minciencias.gov.co/bitstreams/aadf793f-b5c8-40d1-b9b1-dd6861b37519/download3bf4454c3babbc4c853d228894283e58MD53THUMBNAIL110148925577.pdf.jpg110148925577.pdf.jpgGenerated Thumbnailimage/jpeg4796https://repositorio.minciencias.gov.co/bitstreams/a1e056c0-3da3-47cb-9f38-2e1a1be6775b/download92a913cba409f898fc63561ea247ae4dMD5420.500.14143/37873oai:repositorio.minciencias.gov.co:20.500.14143/378732023-11-29 17:40:54.82restrictedhttps://repositorio.minciencias.gov.coRepositorio Institucional de Mincienciascendoc@minciencias.gov.co