Segmentación de Imágenes de Resonancia Magnética IRM utilizando LS-SVM y Análisis Multiresolución Wavelet
QRCode
Share this
Date
2013-11-19Publisher
Instituto Tecnológico Metropolitano (ITM)Citation
Metadata
Show full item recordPDF Documents
Abstract
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.
Abstract
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.