Caracterización de patologías cardiacas utilizando patrones de velocidad aparente del movimiento

Este trabajo presenta un descriptor de movimiento que permite predecir enfermedades card´ıacas a partir de la cuantificacion de patrones de movimiento en ´ secuencias de imagenes de resonancia magnética cardiaca (RMC). El enfoque ´ propuesto comienza detectando automaticamente la región de interés (...

Full description

Autores:
Sarmiento Santos, Everson
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2018
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/38564
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/38564
https://noesis.uis.edu.co
Palabra clave:
Flujo Optico Denso
Velocidad Aparente De Movimiento
Pa- ´ Trones De Movimiento
Caracterizacion
Resonancia Magnética Card ´ ´Iaca (Rmc)
Region De Interés (Roi)
Máquinas De Soporte Vectorial (Svm).
Dense Optical Flow
Apparent Speed Of Movement
Movement Patterns
Characterization
Cardiac Magnetic Resonance (Cmr)
Region Of Interest (Roi)
Support Vector Machines (Svm).
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:Este trabajo presenta un descriptor de movimiento que permite predecir enfermedades card´ıacas a partir de la cuantificacion de patrones de movimiento en ´ secuencias de imagenes de resonancia magnética cardiaca (RMC). El enfoque ´ propuesto comienza detectando automaticamente la región de interés (ROI) a ´ partir de una representacion de plantilla de Hough de densidad rápida. Luego, ´ sobre la ROI seleccionada se computa un flujo optico denso con la capacidad de ´ caracterizar desplazamientos grandes locales. Se llevo a cabo una segmenta- ´ cion espacial regional de la ROI mediante el uso de una plantilla circular similarál modelo de segmentacion AHA, con el fin de cuantificar localmente el movi- ´ miento del corazon, en este caso cada subregión se caracteriza por histogramas ´ de flujo de orientacion densa. Para obtener un descriptor más preciso se realizó´ un analisis multiescala, a partir de un estudio global y uno local para cada RMC.él conjunto de histogramas de movimiento de subregiones forman el descriptor que se asigna a un algoritmo de clasificacion, en este caso una máquina de ´ soporte vectorial (SVM), que entrenada previamente es capaz de predecir patolog´ıas card´ıacas. El descriptor propuesto fue validado en un conjunto de datos publicos con 45 imágenes de RMC pertenecientes a 4 patolog ´ ´ıas. En promedio, el descriptor propuesto alcanzo una precisión de ´ 60 % en la tarea de reconocimiento de enfermedades del corazon desde un descriptor de movimiento conúna longitud de 1254 elementos escalares.