Search

Resumen El cerebro humano ha sido descrito como un sistema complejo. Su estudio por medio de señales neurofisiológicas ha desvelado la presencia de interacciones lineales y no lineales. En este contexto, se han utilizado métricas de entropía para descubrir el comportamiento cerebral en presencia y ausencia de alteraciones neurológicas. El mapeo de la entropía es de gran interés para el estudio de enfermedades neurodegenerativas progresivas como la enfermedad de Alzheimer. El objetivo de este estudio fue caracterizar la dinámica de las oscilaciones cerebrales en dicha enfermedad por medio de la entropía y la amplitud de las oscilaciones de baja frecuencia a partir de señales Bold de la red por defecto y la red de control ejecutivo en pacientes con Alzheimer e individuos sanos, utilizando una base de datos extraída de la serie de estudios de imágenes de acceso abierto. Los resultados revelaron mayor poder discriminatorio de la entropía por permutaciones en comparación a la amplitud de fluctuación de baja frecuencia y la amplitud fraccional de fluctuaciones de baja frecuencia. Se obtuvo un incremento de la entropía por permutaciones en regiones de la red por defecto y la red de control ejecutivo en pacientes. La corteza cingulada posterior y la precuña manifestaron característica diferencial al evaluar la entropía por permutaciones en ambos grupos. No hubo hallazgos al correlacionar las métricas con las escalas clínicas. Los resultados demostraron que la entropía por permutaciones permite caracterizar la función cerebral en pacientes con Alzheimer, además revela información sobre las interacciones no lineales complementaria a las características obtenidas por medio del cálculo de la amplitud de las oscilaciones de baja frecuencia. Abstract The human brain has been described as a complex system. Its study using neurophysiological signals has revealed the presence of linear and non-linear interactions. In this context, entropy metrics have been used to discover brain behavior in the presence and absence of neurological alterations. Entropy mapping is of great interest for the study of progressive neurodegenerative diseases such as Alzheimer’s Disease (AD). The objective of this study was to characterize the dynamics of brain oscillations in AD using entropy and the Amplitude of Low-Frequency Fluctuations (ALFF) of BOLD signals from the default network and the executive control network in patients with AD and healthy individuals. For this purpose, the data was extracted from the Open Access Series of Imaging Studies (OASIS). The results revealed greater discriminatory power in Permutation Entropy (PE) than in ALFF and fractional ALFF metrics. An increase in PE was obtained in regions of the default network and the executive control network in patients. The posterior cingulate cortex and the precuneus exhibited a differential characteristic when PE was evaluated in both groups. There were no findings when the metrics were correlated with clinical scales. The results showed that PE can be used to characterize the brain function in patients with AD and reveals information about non-linear interactions complementary to the characteristics obtained by calculating the ALFF.

[ES] La detección de la disminución del funcionamiento cardíaco es un factor clave para el diagnóstico de enfermedades del corazón. Para analizarlo se obtiene el volumen del ventrículo izquierdo al final de la fase de sístole y diástole para estimar la sangre eyectada por el corazón, pero este proceso es lento y quita mucho tiempo a los médicos. En este trabajo se han implementado modelos basados en redes neuronales profundas para estimar el volumen del ventrículo izquierdo, buscando una buena generalización y aplicabilidad de estos para un caso de uso real. Para ello, además se han aplicado técnicas de model interpretability para analizar el comportamiento de los modelos y poder tomar más confianza sobre sus predicciones., [EN] Detection of declining heart function is a key factor in diagnosing heart disease. To analyze it, the volume of the left ventricle is obtained at the end of the systole and diastole phases to estimate the blood ejected by the heart, but this process is slow and takes a lot of time from the doctors. In this work, models based on deep neural networks have been implemented to estimate the volume of the left ventricle, seeking a good generalization and applicability of these for a real use case. For this, model interpretability techniques have also been applied to analyze the behavior of the models and to be able to gain more confidence about their predictions., [CA] La detecció de la disminució del funcionament cardíac és un factor clau per al diagnòstic de malalties del cor. Per a analitzar-ho s’obté el volum del ventricle esquerre al final de la fase de sístole i diàstole per a estimar la sang ejectada pel cor, però aquest procés és lent i lleva molt temps als metges. En aquest treball s’han implementat models basats en xarxes neuronals profundes per a estimar el volum del ventricle esquerre, buscant una bona generalització i aplicabilitat d’aquests per a un cas d’ús real. Per a això, a més s’han aplicat tècniques de model interpretability per a analitzar el comportament dels models i poder tindre més confiança sobre les seues prediccions.

Contexto: La clasificación de variaciones morfológicas de eritrocitos suele hacerse mediante la observación directa desde el microscopio por parte de un experto, con base en criterios cualitativos, lo cual conduce a diagnósticos subjetivos. Las propuestas para automatizar este proceso suelen clasificar los eritrocitos en normales o anormales, sin especificar el tipo de anormalidad que indique la presencia de alguna enfermedad. Desarrollamos una herramienta para apoyo diagnóstico que determina distintas formas patológicas de eritrocitos mediante características medidas desde la imagen microscópica. Método: Detectamos los eritrocitos aislados usando procesos de segmentación por color y medimos algunas características discriminantes en cada célula detectada, incluyendo una medida novedosa de palidez central. Estas características se usan como entrada a una red neuronal que etiqueta la célula de acuerdo con siete tipos de anormalidad. Resultados: El sistema resultante alcanza una alta tasa de aciertos (97,3%) en comparación con los resultados de clasificación binaria encontrados en la literatura. La medida de palidez central es altamente discriminante, pues permite distinguir perfectamente los esferocitos de los normocitos, cuando otras características morfológicas son muy semejantes entre ellos. Conclusiones: Nuestra contribución incluye la clasificación de múltiples clases de eritrocitos y la propuesta de una medida de palidez central altamente discriminante. Se verificó la utilidad de combinar técnicas de pre-procesamiento para extracción de características con redes neuronales para clasificación en el espacio de características. Para el trabajo futuro sería deseable disponer de un mayor número de imágenes con muestras estadísticamente significativas de otros tipos de eritrocitos para verificar las bondades de la metodología propuesta para un mayor número de tipos de células. Así mismo, con un mayor número de muestras clasificadas se podrían estudiar otras técnicas de clasificación de patrones para evaluar, comparar y seleccionar la más adecuada. Context: Classification of erythrocyte morphological changes is usually done by an expert through direct observation from the microscope based on qualitative criteria, leading to subjective diagnosis. Proposals to automate this process usually classified erythrocytes in normal or abnormal, without specifying the type of abnormality that indicates the presence of some disease. We develop a tool for diagnostic support that determines different pathological forms of erythrocytes using characteristics measured from the microscopic image. Method: We detect isolated erythrocytes using a segmentation processes based on color. Then we measure some differentiating features in each cell, including a new measure of central pallor. These features are presented to a neural network that labels the cell according to seven types of abnormality. Results: The resulting system achieves a high success rate (97.3%) compared to binary classifications found in the literature. The measure of central pallor is highly discriminant because it allows a perfect distinction between normocytes and spherocytes, when other morphological characteristics are very similar between them. Conclusions: Our contribution includes the classification of multiple types of erythrocytes and the proposal of a highly discriminating measure of the central pallor. We verified the usefulness of combining pre-processing techniques for extracting features and neural networks for classification in feature space. For future work, it would be desirable to have a greater number of images with statistically significant samples of other types of erythrocytes to verify the goodness of the proposed methodology to classify more cell types. Also, with a greater number of classified samples, different pattern classification techniques could be studied in order to evaluate, compare and select the most appropriate technique.

La descripción del comportamiento mecánico de tejidos duros mediante el empleo de modelos discretos pasa por diferentes etapas de análisis, que van desde el procesamiento digital de la imagen hasta la especificación de las propiedades físicas del tejido al modelo discreto. Para lograr un buen resultado es esencial la descomposición de esos modelos en sus partes constitutivas. En este trabajo se discute un método para la descripción geométrica de los huesos del pie a partir de una secuencia de imágenes (cortes) de tomografía computarizada (TC). La investigación propone la combinación de la umbralización global y de la adaptativa para la determinación del dominio geométrico de los huesos en cada corte, así como el análisis de las relaciones espaciales entre contornos en planos consecutivos a fin de obtener las isosuperficies de los huesos. Se propone un algoritmo semiautomático basado en 4 etapas: la lectura de los cortes de imágenes de TC; la determinación de los contornos que definen el tejido óseo presentes en cada corte; la formación de los volúmenes a través del agrupamiento de los contornos cuya relación espacial cumple un criterio determinado; y la eliminación de las isosuperficies no válidas. Como resultado se obtiene la definición de la mayoría de los huesos del pie cuyo rango de valores en la escala de Hounsfield es [–1.000; 1.383]. The description of the mechanical behavior of hard tissues by means of discrete models goes through various stages of analysis, which range from digital image processing to the specification of tissues physical properties to the discrete model. To achieve good results it is essential to decompose these models into their constituent parts. In this paper we discuss a method for geometrical description of foot bones from a sequence of computed tomography (CT) images. This research proposes a combination between global and adaptive thresholdings to determine the geometric domain of bones in each slice and the analysis of the spatial relationships between contours in consecutive planes in order to obtain bones’ isosurfaces. The algorithm proposed is based on 4 stages: the reading of computed tomography (CT) images; the determination of the contours that define the bone tissue present on each slice; the grouping of contours whose relationship meet a given criteria; the elimination of non-valid volumes. As a result, it is possible to obtain the geometrical domain of a great number of foot bones whose range in the Hounsfield is [–1000; 1383].

La descripción del comportamiento mecánico de tejidos duros mediante el empleo de modelos discretos pasa por diferentes etapas de análisis, desde el procesamiento digital de la imagen hasta la especificación de las propiedades físicas del tejido. Para ello, es necesario tener en cuenta un elemento clave: la descomposición del modelo en sus partes constitutivas. Se realizó un estudio bibliográfico de diversas propuestas para realizar la descomposición y se llegó a la conclusión de la inexistencia de una estrategia única. Existe un cúmulo de propuestas genéricas, pero estas no ofrecen una solución válida a los casos analizados, correspondientes a las articulaciones de la rodilla, la pelvis y el hombro. Por tanto, se propone un algoritmo para realizar la descomposición mediante el análisis de las relaciones espaciales entre los contornos presentes en planos consecutivos, que se basa en 4 etapas: la lectura de los cortes de imágenes de tomografía computarizada; la determinación de los contornos que definen el tejido óseo presente en cada corte; el agrupamiento de los contornos cuya relación espacial cumple un criterio determinado, y la eliminación de los volúmenes no válidos. Los resultados del algoritmo se compararon con otros obtenidos mediante el empleo de la librería Visualization ToolKit (VTK) y pyFormex, cuyos métodos se utilizan en la visualización y análisis de imágenes médicas y en la modelación de estructuras tridimensionales. Como resultado del algoritmo propuesto tenemos —bajo las mismas condiciones y en un corto tiempo de procesamiento— una descomposición de los modelos anatómicos superior a la realizada por VTK y pyFormex, con aproximadamente el 90% de confianza. Description of mechanical behavior of hard tissues by means of discrete models goes through various stages of analysis, which range from digital image processing to the specification of physical properties of tissue to the discrete model. This requires taking into account a key element: the decomposition of the model into its constituent parts. We conducted a bibliographic study of existing proposals for such decomposition, leading to the conclusion of the absence of a single strategy. There are several generic proposals, but these proved not to give a valid solution applicable to the cases examined corresponding to the articulations of the knee, hip and shoulder. In this paper we propose an algorithm to perform this decomposition by analyzing the spatial relationships between the contours present in consecutive planes. It is based on four stages: reading computer tomography (CT) slices; determining the contours that define bone tissue present on each slice; grouping of contours whose relationship meets a given criterion; and eliminating non-valid volumes. Results were compared with those obtained by means of Visualization ToolKit (VTK) and pyFormex, widely used in the visualization and analysis of medical imaging and modeling three-dimensional structures. As a main result, proposed algorithm under the same conditions and short processing time performs a better decomposition of anatomical models than the one made by VTK and pyFormex, with about a 90% of confidence.