Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia
Los cortes encefálicos en regiones anatómicas específicas, son claves para el entendimiento y descripción de algunas patologías relacionadas con enfermedades neurodegenerativas, el procesamiento de imágenes es un área emergente que permite la digitalización de la información, para la creación de un...
- Autores:
-
Rueda, Carlos A.
Jaramillo González, Laura
Soto-Ospina, Alejandro
Araque Marín, Pedronel
Villegas Lanau, Andrés
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2020
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/5113
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/5113
https://doi.org/10.24050/reia.v17i34.1405
- Palabra clave:
- Renderizado
neurobanco
digitalización
cortes encefálicos
fotogrametría.
rendering
neurobank
digitization
brain cuts
photogrammetry
- Rights
- openAccess
- License
- Revista EIA - 2020
| id |
REIA2_ad8ff5cf2370955f341afa4aabd39220 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/5113 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia |
| dc.title.translated.eng.fl_str_mv |
Rendering Kinetics and Hardware Relationship for the Digitization of Images of the Neurobank of the University of Antioquia |
| title |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia |
| spellingShingle |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia Renderizado neurobanco digitalización cortes encefálicos fotogrametría. rendering neurobank digitization brain cuts photogrammetry |
| title_short |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia |
| title_full |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia |
| title_fullStr |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia |
| title_full_unstemmed |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia |
| title_sort |
Cinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de Antioquia |
| dc.creator.fl_str_mv |
Rueda, Carlos A. Jaramillo González, Laura Soto-Ospina, Alejandro Araque Marín, Pedronel Villegas Lanau, Andrés |
| dc.contributor.author.spa.fl_str_mv |
Rueda, Carlos A. Jaramillo González, Laura Soto-Ospina, Alejandro Araque Marín, Pedronel Villegas Lanau, Andrés |
| dc.subject.spa.fl_str_mv |
Renderizado neurobanco digitalización cortes encefálicos fotogrametría. |
| topic |
Renderizado neurobanco digitalización cortes encefálicos fotogrametría. rendering neurobank digitization brain cuts photogrammetry |
| dc.subject.eng.fl_str_mv |
rendering neurobank digitization brain cuts photogrammetry |
| description |
Los cortes encefálicos en regiones anatómicas específicas, son claves para el entendimiento y descripción de algunas patologías relacionadas con enfermedades neurodegenerativas, el procesamiento de imágenes es un área emergente que permite la digitalización de la información, para la creación de un banco digital a partir de las imágenes de los cortes de encéfalo en la línea de investigación del Neurobanco del Grupo de Neurociencias de Antioquia. El software utilizado para el procesamiento de las imágenes fue Agisoft© Metashape, con el cual se hace el renderizado tridimensional de las fotos, ya que es clave conocer las condiciones de hardware para explorar las potencialidades del render en el software, para un menor tiempo, considerando conceptos de mask_tie point y mask_key point, unidades de procesamiento de cómputo y unidades de procesamiento gráfico. Los conjuntos de software obtenidos, cálculos cinéticos y relación de procesamiento independiente y combinado de gráfico, se determina que el mejor conjunto de hardware desde un aspecto técnico y funcional es un computador de escritorio con la combinación de una unidad de procesamiento Intel-i7 8700 con una tarjeta de video GTX 1060. No obstante, respecto a una relación de economía, el mejor hardware es Intel i5 9400 con una tarjeta de video GTX 1660, dado a que esta combinación da una mayor potencia en el procesamiento de imagen tridimensional, que un hardware con solo procesador, así este sea de alta potencia. Finalmente, como aspecto relevante, se espera complementar el análisis a partir del estudio de un conjunto de hardware de la compañía Radeon, que ofrece alternativas como las tarjetas de video AMD Rx 5700XT. |
| publishDate |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2020-06-21 00:00:00 2022-06-17T20:20:46Z |
| dc.date.available.none.fl_str_mv |
2020-06-21 00:00:00 2022-06-17T20:20:46Z |
| dc.date.issued.none.fl_str_mv |
2020-06-21 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.eng.fl_str_mv |
Journal article |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_6501 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ARTREF |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
1794-1237 |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/5113 |
| dc.identifier.doi.none.fl_str_mv |
10.24050/reia.v17i34.1405 |
| dc.identifier.eissn.none.fl_str_mv |
2463-0950 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.24050/reia.v17i34.1405 |
| identifier_str_mv |
1794-1237 10.24050/reia.v17i34.1405 2463-0950 |
| url |
https://repository.eia.edu.co/handle/11190/5113 https://doi.org/10.24050/reia.v17i34.1405 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Beltran, R. S. et al. (2018) ‘An evaluation of three-dimensional photogrammetric and morphometric techniques for estimating volume and mass in Weddell seals Leptonychotes weddellii’, PLoS ONE, 13(1), pp. 1–15. doi: 10.1371/journal.pone.0189865. Fathi, H. and Brilakis, I. (2011) ‘Automated sparse 3D point cloud generation of infrastructure using its distinctive visual features’, Advanced Engineering Informatics. Elsevier Ltd, 25(4), pp. 760–770. doi: 10.1016/j.aei.2011.06.001. Goodbody, T. R. H., Coops, N. C. and White, J. C. (2019) ‘Digital Aerial Photogrammetry for Updating Area-Based Forest Inventories: A Review of Opportunities, Challenges, and Future Directions’, Current Forestry Reports. Current Forestry Reports, pp. 55–75. doi: 10.1007/s40725-019-00087-2. Gray, P. C. et al. (2019) ‘Drones and convolutional neural networks facilitate automated and accurate cetacean species identification and photogrammetry’, Methods in Ecology and Evolution, 10(9), pp. 1490–1500. doi: 10.1111/2041-210X.13246. Harris Geospatial Solutions, I. (2020) Collect and Edit Tie Points, L3Harris Geospatial solutions. Available at: https://www.harrisgeospatial.com/docs/CollectingEditingTiePoints.html (Accessed: 11 February 2020). Julien, Fauqueur, Nick , Kingsbury and Ryan, A. (2006) ‘Multiscale keypoint detection using the dual-tree complex wavelet tranform’, IEEE Computer Graphics and Applications. doi: 10.1109/ICIP.2006.312656. Lai, J. Y. et al. (2018) ‘A high-resolution texture mapping technique for 3D textured model’, Applied Sciences (Switzerland), 8(11). doi: 10.3390/app8112228. Lane, S. N., Richards, K. S. and Chandler, J. H. (1993) ‘Developments in photogrammetry; the geomorphological potential’, Progress in Physical Geography, 17(3), pp. 306–328. doi: 10.1177/030913339301700302. Levine, J. A., Paulsen, R. R. and Zhang, Y. (2012) ‘Mesh processing in medical-image analysis-a Tutorial’, IEEE Computer Graphics and Applications. IEEE, 32(5), pp. 22–28. doi: 10.1109/MCG.2012.91. Mikrut, S., Mikrut, Z. (1992) ‘Neural Networks in the Automation of Photogrammetric’, The international archives of the photogrammetry, remote sensing and spatial information sciences, 1988(4), pp. 331–336. Nvidia (1995) GEForces-Gtx serie 10, Nvidia Corporation. Available at: https://www.nvidia.com/es-la/geforce/products/ (Accessed: 11 February 2020). R&D work Agisoft LLC (2006) Agisoft-metashape software, Agisoft software solution. Available at: https://www.agisoft.com/ (Accessed: 11 February 2020). Radeon (1969) AMD-Radeon Rx-5700 XT, Silicon valley. Available at: https://www.amd.com/es/corporate/about-amd (Accessed: 11 February 2020). Schenk, T. (2005) Introduction of Photogrammetry, The Ohio State University. Available at: http://www.mat.uc.pt/~gil/downloads/IntroPhoto.pdf (Accessed: 11 February 2020). Song, Z., Mu, X. and Zhou, H. X. (2017) ‘High Performance Computing of Complex Electromagnetic Algorithms Based on GPU/CPU Heterogeneous Platform and Its Applications to em Scattering and Multilayered Medium Structure’, International Journal of Antennas and Propagation, 2017. doi: 10.1155/2017/9173062. Su, Hang, Jampani, Varun, Sun, Deqing, Maji, Subhransu, Kalogerakis, evangelos, Yang, Ming Hsuan, Kautz, J. (2018) ‘SPLATNet : Sparse Lattice Networks for Point Cloud Processing’, Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 2530–2539. Available at: http://openaccess.thecvf.com/content_cvpr_2018/papers/Su_SPLATNet_Sparse_Lattice_CVPR_2018_paper.pdf. Teodoro, G. et al. (2017) ‘Application Performance Analysis and Efficient Execution on Systems with multi-core CPUs, GPUs and MICs: A Case Study with Microscopy Image Analysis’, International Journal of High Performance Computing Applications, pp. 1–39. doi: 10.1177/1094342015594519.Application. Uchida, S. (2013) ‘Image processing and recognition for biological images’, Development Growth and Differentiation, 55(4), pp. 523–549. doi: 10.1111/dgd.12054. |
| dc.relation.bitstream.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/1405/1351 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 34 , Año 2020 |
| dc.relation.citationendpage.none.fl_str_mv |
11 |
| dc.relation.citationissue.spa.fl_str_mv |
34 |
| dc.relation.citationstartpage.none.fl_str_mv |
1 |
| dc.relation.citationvolume.spa.fl_str_mv |
17 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Revista EIA |
| dc.rights.spa.fl_str_mv |
Revista EIA - 2020 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0 |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Revista EIA - 2020 https://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Fondo Editorial EIA - Universidad EIA |
| dc.source.spa.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/1405 |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/460055b9-1e40-423e-befe-aab6377183a8/download |
| bitstream.checksum.fl_str_mv |
98ebfe12b2e7cbd8c8089de79d762488 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1818099103094013952 |
| spelling |
Rueda, Carlos A.9d0be63831720fe1ae3aa1e763ab4399300Jaramillo González, Laurad78286a5b4e70e4456f9fb1b464e5648300Soto-Ospina, Alejandro0e1df661db8a1ad7742eba8981f41611300Araque Marín, Pedronelc95ff5a73dd90cc8a0f2dee88a2180bf500Villegas Lanau, Andrés1ed9dd7ea2cccc7a4388ad744b4456513002020-06-21 00:00:002022-06-17T20:20:46Z2020-06-21 00:00:002022-06-17T20:20:46Z2020-06-211794-1237https://repository.eia.edu.co/handle/11190/511310.24050/reia.v17i34.14052463-0950https://doi.org/10.24050/reia.v17i34.1405Los cortes encefálicos en regiones anatómicas específicas, son claves para el entendimiento y descripción de algunas patologías relacionadas con enfermedades neurodegenerativas, el procesamiento de imágenes es un área emergente que permite la digitalización de la información, para la creación de un banco digital a partir de las imágenes de los cortes de encéfalo en la línea de investigación del Neurobanco del Grupo de Neurociencias de Antioquia. El software utilizado para el procesamiento de las imágenes fue Agisoft© Metashape, con el cual se hace el renderizado tridimensional de las fotos, ya que es clave conocer las condiciones de hardware para explorar las potencialidades del render en el software, para un menor tiempo, considerando conceptos de mask_tie point y mask_key point, unidades de procesamiento de cómputo y unidades de procesamiento gráfico. Los conjuntos de software obtenidos, cálculos cinéticos y relación de procesamiento independiente y combinado de gráfico, se determina que el mejor conjunto de hardware desde un aspecto técnico y funcional es un computador de escritorio con la combinación de una unidad de procesamiento Intel-i7 8700 con una tarjeta de video GTX 1060. No obstante, respecto a una relación de economía, el mejor hardware es Intel i5 9400 con una tarjeta de video GTX 1660, dado a que esta combinación da una mayor potencia en el procesamiento de imagen tridimensional, que un hardware con solo procesador, así este sea de alta potencia. Finalmente, como aspecto relevante, se espera complementar el análisis a partir del estudio de un conjunto de hardware de la compañía Radeon, que ofrece alternativas como las tarjetas de video AMD Rx 5700XT. Brain cuts in specific anatomical regions are key to the understanding and description of some pathologies related to neurodegenerative diseases, image processing is an emerging area allows the digitalization of information, for the creation of a digital bank from brain, cuts images in the Neurobanco research line of the Neuroscience Group of Antioquia. The software used for image processing was Agisoft © Metashape, with which the three-dimensional rendering of photos is done since it is essential to know the hardware conditions to explore the potential of rendering in the software, for a shorter time, considering concepts of mask_tie point and mask_key point, computational processing units and graphics processing units. The obtained software sets, kinetic calculations and independent and combined graphics processing ratio, determined that the best hardware set from a technical and functional aspect is a desktop computer with the combination of a high power processing unit with high power a video card (Intel-i7 8700 with a GTX 1060 video card). However, regarding an economic relationship, the best hardware is a medium power processing and a medium or high power graphic card (Intel i5 9400 with a GTX 1660 video card), given that this combination gives greater potential in the three-dimensional image processing than hardware with only one processor, even if it is of high power. Finally, as a relevant aspect, it is expected to complement the analysis from the study of set hardware from the Radeon company, which offers alternatives such as AMD Rx 5700XT video cards.application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2020https://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/1405Renderizadoneurobancodigitalizacióncortes encefálicosfotogrametría.renderingneurobankdigitizationbrain cutsphotogrammetryCinética de renderizado y relación de hardware para la digitalización de imágenes del Neurobanco de la Universidad de AntioquiaRendering Kinetics and Hardware Relationship for the Digitization of Images of the Neurobank of the University of AntioquiaArtículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85Beltran, R. S. et al. (2018) ‘An evaluation of three-dimensional photogrammetric and morphometric techniques for estimating volume and mass in Weddell seals Leptonychotes weddellii’, PLoS ONE, 13(1), pp. 1–15. doi: 10.1371/journal.pone.0189865.Fathi, H. and Brilakis, I. (2011) ‘Automated sparse 3D point cloud generation of infrastructure using its distinctive visual features’, Advanced Engineering Informatics. Elsevier Ltd, 25(4), pp. 760–770. doi: 10.1016/j.aei.2011.06.001.Goodbody, T. R. H., Coops, N. C. and White, J. C. (2019) ‘Digital Aerial Photogrammetry for Updating Area-Based Forest Inventories: A Review of Opportunities, Challenges, and Future Directions’, Current Forestry Reports. Current Forestry Reports, pp. 55–75. doi: 10.1007/s40725-019-00087-2.Gray, P. C. et al. (2019) ‘Drones and convolutional neural networks facilitate automated and accurate cetacean species identification and photogrammetry’, Methods in Ecology and Evolution, 10(9), pp. 1490–1500. doi: 10.1111/2041-210X.13246.Harris Geospatial Solutions, I. (2020) Collect and Edit Tie Points, L3Harris Geospatial solutions. Available at: https://www.harrisgeospatial.com/docs/CollectingEditingTiePoints.html (Accessed: 11 February 2020).Julien, Fauqueur, Nick , Kingsbury and Ryan, A. (2006) ‘Multiscale keypoint detection using the dual-tree complex wavelet tranform’, IEEE Computer Graphics and Applications. doi: 10.1109/ICIP.2006.312656.Lai, J. Y. et al. (2018) ‘A high-resolution texture mapping technique for 3D textured model’, Applied Sciences (Switzerland), 8(11). doi: 10.3390/app8112228.Lane, S. N., Richards, K. S. and Chandler, J. H. (1993) ‘Developments in photogrammetry; the geomorphological potential’, Progress in Physical Geography, 17(3), pp. 306–328. doi: 10.1177/030913339301700302.Levine, J. A., Paulsen, R. R. and Zhang, Y. (2012) ‘Mesh processing in medical-image analysis-a Tutorial’, IEEE Computer Graphics and Applications. IEEE, 32(5), pp. 22–28. doi: 10.1109/MCG.2012.91.Mikrut, S., Mikrut, Z. (1992) ‘Neural Networks in the Automation of Photogrammetric’, The international archives of the photogrammetry, remote sensing and spatial information sciences, 1988(4), pp. 331–336.Nvidia (1995) GEForces-Gtx serie 10, Nvidia Corporation. Available at: https://www.nvidia.com/es-la/geforce/products/ (Accessed: 11 February 2020).R&D work Agisoft LLC (2006) Agisoft-metashape software, Agisoft software solution. Available at: https://www.agisoft.com/ (Accessed: 11 February 2020). Radeon (1969) AMD-Radeon Rx-5700 XT, Silicon valley. Available at: https://www.amd.com/es/corporate/about-amd (Accessed: 11 February 2020).Schenk, T. (2005) Introduction of Photogrammetry, The Ohio State University. Available at: http://www.mat.uc.pt/~gil/downloads/IntroPhoto.pdf (Accessed: 11 February 2020).Song, Z., Mu, X. and Zhou, H. X. (2017) ‘High Performance Computing of Complex Electromagnetic Algorithms Based on GPU/CPU Heterogeneous Platform and Its Applications to em Scattering and Multilayered Medium Structure’, International Journal of Antennas and Propagation, 2017. doi: 10.1155/2017/9173062.Su, Hang, Jampani, Varun, Sun, Deqing, Maji, Subhransu, Kalogerakis, evangelos, Yang, Ming Hsuan, Kautz, J. (2018) ‘SPLATNet : Sparse Lattice Networks for Point Cloud Processing’, Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 2530–2539. Available at: http://openaccess.thecvf.com/content_cvpr_2018/papers/Su_SPLATNet_Sparse_Lattice_CVPR_2018_paper.pdf.Teodoro, G. et al. (2017) ‘Application Performance Analysis and Efficient Execution on Systems with multi-core CPUs, GPUs and MICs: A Case Study with Microscopy Image Analysis’, International Journal of High Performance Computing Applications, pp. 1–39. doi: 10.1177/1094342015594519.Application.Uchida, S. (2013) ‘Image processing and recognition for biological images’, Development Growth and Differentiation, 55(4), pp. 523–549. doi: 10.1111/dgd.12054.https://revistas.eia.edu.co/index.php/reveia/article/download/1405/1351Núm. 34 , Año 20201134117Revista EIAPublicationOREORE.xmltext/xml2839https://repository.eia.edu.co/bitstreams/460055b9-1e40-423e-befe-aab6377183a8/download98ebfe12b2e7cbd8c8089de79d762488MD5111190/5113oai:repository.eia.edu.co:11190/51132023-07-25 17:22:33.097https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2020metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com |