1 / 12

SIR para la segmentación de imágenes de ultrasonido y resonancia magnética

SIR para la segmentación de imágenes de ultrasonido y resonancia magnética. Procesamiento de Imágenes Digitales.

zenia-chan
Download Presentation

SIR para la segmentación de imágenes de ultrasonido y resonancia magnética

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. SIR para la segmentación de imágenes de ultrasonido y resonancia magnética Procesamiento de Imágenes Digitales César García Agudo  oyee81@gmail.comMontserrat García Bea  knijita_25@hotmail.comJorge Maestro Bueno  pifure@gmail.comLidia Gema Pilar Domínguez  skidrow82@hotmail.com

  2. Índice • Introducción • Fundamentos Generales • Agrupamiento No Supervisado • Segmentación Supervisada • Estudios de Simulación y Conclusiones • Bibliografía • Dudas y preguntas

  3. Introducción Técnica de Reducción de Dimensiones  Reducción de imagen Reducción de Dimensiones para: -Vencer problema de dimensionalidad -Reducir costes Aplicabilidad: Tratamiento de imágenes médicas para la detección de tumores

  4. Fundamentos Generales SEGMENTACIÓN DE IMÁGENES • Favorecer el análisis de imágenes • Uso en tratamiento de imágenes médicas: • Ultrasonido • Resonancias Magnéticas • Tipos de Segmentación: • No supervisada • Supervisada

  5. Fundamentos Generales • Agrupamiento No Supervisado • Escalado Multidimensional (MDS) • K-Means • Segmentación Supervisada • Método SIR + Clasificador medio más próximo (NMC) • Método SIR + Máquina de Apoyo Vectorial (MVC)

  6. Fundamentos Generales

  7. Agrupamiento No Supervisado Obtención de la Imagen Característica: • Dominio del Espacio: • Bloques locales • Dominio de la Frecuencia: • Transformada de Fourier de bloques locales • Dominio del Espacio-Frecuencia: • Banco de filtros Gabor de bloques locales

  8. Segmentación Supervisada • Clasificador Medio más Próximo (NMC) • Calcula la media de los vectores de entrenamiento para cada grupo y realiza clasificación basada en la distancia más próxima de un vector característico al grupo de medias. • Cuando este clasificador se usa con SIR, primero proyectamos los vectores característicos sobre estas direcciones espacio reducido de direcciones detectadas por SIR y entonces aplicamos NMC sobre los vectores característicos. • El valor medio de los vectores característicos para cada grupo en el conjunto de entrenamiento es el centroide.

  9. Segmentación Supervisada Máquinas de Soporte Vectorial (SVM) • SVMTorch: Uno contra los otros • LIBSVM: Uno contra uno

  10. Estudios de Simulación y Conclusiones • Configuraciones: -NMC -SIR+NMC -LIBSVM -SIR+LIBSVM -SVMTorch -SIR+SVMTorch • Ventajas de Gabor • Selección del Tamaño del bloque

  11. Bibliografía • Documento • Apuntes de PID • Libros de Cesar

  12. ¡Gracias! ¿Dudas?

More Related