Mostrar el registro sencillo del ítem

dc.contributor.authorMuñoz-Bedoya, Luis A.
dc.contributor.authorMendoza, Luis E.
dc.contributor.authorVelandia-Villamizar, Hernando J.
dc.date.accessioned2019-07-18T14:12:16Z
dc.date.accessioned2019-08-13T15:43:10Z
dc.date.available2019-07-18T14:12:16Z
dc.date.available2019-08-13T15:43:10Z
dc.date.issued2013-11-19
dc.identifierhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/381
dc.identifier10.22430/22565337.381
dc.identifier.urihttp://hdl.handle.net/20.500.12622/676
dc.description.abstractActualmente, 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.spa
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.publisherInstituto Tecnológico Metropolitano (ITM)spa
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/381/387
dc.rightsCopyright (c) 2017 Tecno Lógicasspa
dc.source2256-5337
dc.source0123-7799
dc.sourceTecnoLógicas; Special edition (2013); 681-693eng
dc.sourceTecnoLógicas; Edición Especial (2013); 681-693spa
dc.subjectKernelspa
dc.subjectLS-SVMspa
dc.subjectoptimizaciónspa
dc.subjectsegmentaciónspa
dc.subjectwavelet madrespa
dc.titleSegmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Waveletspa
dc.title.alternativeSegmentation of Magnetic Resonance Imaging MRI using LS-SVM and Wavelet Multiresolution Analysis
dc.subject.keywordsKerneleng
dc.subject.keywordsLS-SVMeng
dc.subject.keywordsoptimizationeng
dc.subject.keywordssegmentationeng
dc.subject.keywordsmother waveleteng
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeComputer's sciencespa
dc.relation.ispartofjournalTecnoLógicas
dc.description.abstractenglishCurrently, 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.eng
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.type.coarhttp://purl.org/coar/resource_type/c_6501


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem