Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet

Actualmente, las máquinas de soporte vectorial (SVM) se han convertido en una herramienta poderosa para resolver problemas de clasificación no lineal. Para la optimización de esta herramienta, se ha desarrollado una reformulación conocida como LS-SVM (máquina de soporte vectorial de mínimos cuadrado...

Full description

Autores:
Muñoz-Bedoya, Luis A.
Mendoza, Luis E.
Velandia-Villamizar, Hernando J.
Tipo de recurso:
Article of journal
Fecha de publicación:
2013
Institución:
Instituto Tecnológico Metropolitano
Repositorio:
Repositorio ITM
Idioma:
spa
OAI Identifier:
oai:repositorio.itm.edu.co:20.500.12622/676
Acceso en línea:
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/381
http://hdl.handle.net/20.500.12622/676
Palabra clave:
Kernel
LS-SVM
optimización
segmentación
wavelet madre
Kernel
LS-SVM
optimization
segmentation
mother wavelet
Rights
License
Copyright (c) 2017 Tecno Lógicas
id RepoITM2_7af3b4565e7c7ebdebca4b04479659e4
oai_identifier_str oai:repositorio.itm.edu.co:20.500.12622/676
network_acronym_str RepoITM2
network_name_str Repositorio ITM
repository_id_str
spelling Muñoz-Bedoya, Luis A.Mendoza, Luis E.Velandia-Villamizar, Hernando J.2019-07-18T14:12:16Z2019-08-13T15:43:10Z2019-07-18T14:12:16Z2019-08-13T15:43:10Z2013-11-19https://revistas.itm.edu.co/index.php/tecnologicas/article/view/38110.22430/22565337.381http://hdl.handle.net/20.500.12622/676Actualmente, las máquinas de soporte vectorial (SVM) se han convertido en una herramienta poderosa para resolver problemas de clasificación no lineal. Para la optimización de esta herramienta, se ha desarrollado una reformulación conocida como LS-SVM (máquina de soporte vectorial de mínimos cuadrados), la cual trabaja con un modelo de minimización basada en funciones y polinomios de Lagrange. Por lo tanto, este trabajo presenta un método para la segmentación de imágenes de resonancia magnética específicamente para estudiar la morfología de los pulmones y lograr la cuantificación de características relevantes en dichas imágenes usando SVM y LS-SVM. Adicionalmente a la técnica de clasificación, en este trabajo se usaron técnicas como: análisis Wavelet para eliminación de información no relevante (compresión), y algoritmos Splines, para interpolar la información encontrada y cuantificar las características, que se basaron en el reconocimiento de área, forma y estructuras anormales presentes en la zona pulmonar de dichas imágenes.Currently, support vector machines (SVM) have become a powerful tool to solve nonlinear classification problems. For the optimization of the tool, has developed a reformulation known as LS-SVM (Support Vector Machine least squares), which works with a model based on function minimization and Lagrange polynomials. Therefore, this paper presents a method for segmentation of magnetic resonance images specifically to study the morphology of the lungs and reach the quantification of relevant features in these images using SVM and LS-SVM. In addition to sorting technique in this work using techniques such as wavelet analysis to eliminate irrelevant information (compression) and Splines algorithms to interpolate the information found and quantify the characteristics, which in this work were based on the recognition area, shape and abnormal structures present in the lung of these images.application/pdfspaInstituto Tecnológico Metropolitano (ITM)https://revistas.itm.edu.co/index.php/tecnologicas/article/view/381/387TecnoLógicasCopyright (c) 2017 Tecno Lógicashttp://purl.org/coar/access_right/c_abf22256-53370123-7799TecnoLógicas; Special edition (2013); 681-693TecnoLógicas; Edición Especial (2013); 681-693KernelLS-SVMoptimizaciónsegmentaciónwavelet madreKernelLS-SVMoptimizationsegmentationmother waveletSegmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución WaveletSegmentation of Magnetic Resonance Imaging MRI using LS-SVM and Wavelet Multiresolution Analysisinfo:eu-repo/semantics/articleComputer's sciencehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85PublicationORIGINAL381-Manuscrito-547-1-10-20170217.pdf381-Manuscrito-547-1-10-20170217.pdfapplication/pdf467300https://dspace-itm.metabuscador.org/bitstreams/eb53013e-629d-4884-a8f0-ca50b22b6a8a/download03b8202d0aa696f2fe6272c30a93ad23MD51trueAnonymousREADTHUMBNAIL381-Manuscrito-547-1-10-20170217.pdf.jpg381-Manuscrito-547-1-10-20170217.pdf.jpgGenerated Thumbnailimage/jpeg4657https://dspace-itm.metabuscador.org/bitstreams/622b5364-6a7d-4239-a337-d1f06d8e8b42/downloadfa7262e3aeed589627affd454cf4adaaMD52falseAnonymousREADTEXT381-Manuscrito-547-1-10-20170217.pdf.txt381-Manuscrito-547-1-10-20170217.pdf.txtExtracted texttext/plain22911https://dspace-itm.metabuscador.org/bitstreams/b9208b84-cf5f-437e-9baa-1bcf86f500bf/download86fea104eeee245de80442e5c613199cMD53falseAnonymousREAD20.500.12622/676oai:dspace-itm.metabuscador.org:20.500.12622/6762025-06-24 09:28:38.449open.accesshttps://dspace-itm.metabuscador.orgRepositorio Instituto Tecnológico Metropolitano de Medellínbdigital@metabiblioteca.com
dc.title.spa.fl_str_mv Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
dc.title.alternative.none.fl_str_mv Segmentation of Magnetic Resonance Imaging MRI using LS-SVM and Wavelet Multiresolution Analysis
title Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
spellingShingle Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
Kernel
LS-SVM
optimización
segmentación
wavelet madre
Kernel
LS-SVM
optimization
segmentation
mother wavelet
title_short Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
title_full Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
title_fullStr Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
title_full_unstemmed Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
title_sort Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
dc.creator.fl_str_mv Muñoz-Bedoya, Luis A.
Mendoza, Luis E.
Velandia-Villamizar, Hernando J.
dc.contributor.author.none.fl_str_mv Muñoz-Bedoya, Luis A.
Mendoza, Luis E.
Velandia-Villamizar, Hernando J.
dc.subject.spa.fl_str_mv Kernel
LS-SVM
optimización
segmentación
wavelet madre
topic Kernel
LS-SVM
optimización
segmentación
wavelet madre
Kernel
LS-SVM
optimization
segmentation
mother wavelet
dc.subject.keywords.eng.fl_str_mv Kernel
LS-SVM
optimization
segmentation
mother wavelet
description Actualmente, las máquinas de soporte vectorial (SVM) se han convertido en una herramienta poderosa para resolver problemas de clasificación no lineal. Para la optimización de esta herramienta, se ha desarrollado una reformulación conocida como LS-SVM (máquina de soporte vectorial de mínimos cuadrados), la cual trabaja con un modelo de minimización basada en funciones y polinomios de Lagrange. Por lo tanto, este trabajo presenta un método para la segmentación de imágenes de resonancia magnética específicamente para estudiar la morfología de los pulmones y lograr la cuantificación de características relevantes en dichas imágenes usando SVM y LS-SVM. Adicionalmente a la técnica de clasificación, en este trabajo se usaron técnicas como: análisis Wavelet para eliminación de información no relevante (compresión), y algoritmos Splines, para interpolar la información encontrada y cuantificar las características, que se basaron en el reconocimiento de área, forma y estructuras anormales presentes en la zona pulmonar de dichas imágenes.
publishDate 2013
dc.date.issued.none.fl_str_mv 2013-11-19
dc.date.accessioned.none.fl_str_mv 2019-07-18T14:12:16Z
2019-08-13T15:43:10Z
dc.date.available.none.fl_str_mv 2019-07-18T14:12:16Z
2019-08-13T15:43:10Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
dc.type.spa.fl_str_mv Computer's science
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_6501
format http://purl.org/coar/resource_type/c_6501
dc.identifier.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/381
10.22430/22565337.381
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12622/676
url https://revistas.itm.edu.co/index.php/tecnologicas/article/view/381
http://hdl.handle.net/20.500.12622/676
identifier_str_mv 10.22430/22565337.381
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/381/387
dc.relation.ispartofjournal.none.fl_str_mv TecnoLógicas
dc.rights.spa.fl_str_mv Copyright (c) 2017 Tecno Lógicas
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2017 Tecno Lógicas
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Instituto Tecnológico Metropolitano (ITM)
dc.source.none.fl_str_mv 2256-5337
0123-7799
dc.source.eng.fl_str_mv TecnoLógicas; Special edition (2013); 681-693
dc.source.spa.fl_str_mv TecnoLógicas; Edición Especial (2013); 681-693
institution Instituto Tecnológico Metropolitano
bitstream.url.fl_str_mv https://dspace-itm.metabuscador.org/bitstreams/eb53013e-629d-4884-a8f0-ca50b22b6a8a/download
https://dspace-itm.metabuscador.org/bitstreams/622b5364-6a7d-4239-a337-d1f06d8e8b42/download
https://dspace-itm.metabuscador.org/bitstreams/b9208b84-cf5f-437e-9baa-1bcf86f500bf/download
bitstream.checksum.fl_str_mv 03b8202d0aa696f2fe6272c30a93ad23
fa7262e3aeed589627affd454cf4adaa
86fea104eeee245de80442e5c613199c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Instituto Tecnológico Metropolitano de Medellín
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1837096906648453120