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...
- 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 |