https://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/903 Doctorado en Bioingeniería Fri, 10 Apr 2026 03:57:09 GMT 2026-04-10T03:57:09Z https://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/1072 Procesamiento digital de imágenes aplicado a la clasificación de tejido cerebral Ballarin, Virginia Laura Las técnicas de PDI se utilizan para analizar, realzar, restaurar, modificar o cuantificar imágenes digitales para múltiples aplicaciones (González, R., 1992). Se desarrollan algoritmos apropiados para obtener los resultados deseados donde se aplican diversos modelos matemáticos. A éstas aplicaciones se les da el nombre de "técnicas" en el glosario de PDI. El análisis por computadora de las diferentes texturas en imágenes es una herramienta poderosa y la alta calidad de las imágenes RMN las hacen apropiadas para este tipo de aplicación donde se requieren segmentar estructuras anatómicas y/o zonas de interés (Castleman, R., 1979; Ballard, D. & Brown, C., 1992). En imágenes médicas éste es un proceso complejo ya que dichas estructuras anatómicas no se encuentran perfectamente delimitadas. En este trabajo se propone un nuevo enfoque para la segmentación de los ventrículos laterales y la corteza cerebral utilizando las herramientas de la Morfología Matemática. La medición del aumento relativo del área de los ventrículos laterales y su comparación con la disminución relativa de la corteza cerebral serán un primer paso hacia el diagnóstico temprano de la atrofia cerebral que produce esta enfermedad. Mon, 08 Dec 2003 00:00:00 GMT https://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/1072 2003-12-08T00:00:00Z https://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/904 Diseño de operadores de ventana basados en matemática difusa para la segmentación de imágenes médicas Robalino Trujillo, Emilio José El procesamiento digital de imágenes consiste en la transformación de imágenes mediante funciones conocidas como operadores de imagen. Los operadores de imágenes más conocidos son los operadores morfológicos clásicos y difusos estudiados por la Morfología Matemática clásica y difusa, respectivamente. La combinación de los operadores morfológicos básicos, dilatación y erosión, permiten el diseño de operadores morfológicos complejos que resuelven tareas de procesamiento complejas como la segmentación. Dicha combinación de operadores morfológicos básicos, dependen del conocimiento y experiencia del diseñador para encontrar la mejor combinación o secuencia de operadores, por lo que el diseñador debe aplicar el enfoque de prueba y error en cada secuencia de operaciones. Este tipo de diseño de operadores morfológicos complejos es conocido como diseño heurístico y dado que su desarrollo requiere mucho tiempo, se ha considerado como enfoque alternativo el uso técnicas de aprendizaje automático para el diseño de operadores morfológicos. Una clase operadores morfológicos, invariantes a traslaciones y definidos dentro de una ventana, son los operadores de ventana o w-operadores. El diseño automático de los w-operadores, consiste en la estimación estadística de w-operadores que transformen una imagen con un problema a resolver en su imagen deseada o ideal, mediante el uso de ejemplos y técnicas de aprendizaje automático. El principal inconveniente en el diseño automático de w-operadores radica en la gran cantidad de ejemplos necesarios para estimar un w-operador que transforme imágenes que no fueron presentadas como ejemplos durante el diseño en sus imágenes ideales. La cantidad limitada de ejemplos no permite que el w-operador diseñado transforme nuevas imágenes de entrada en sus imágenes ideales, dando lugar al problema de generalización. En esta tesis, para resolver este problema, se propone implementar el uso de funciones de pertenencia de la Lógica Difusa, la cual representa el conocimiento en un lenguaje matemático a través de la Teoría de conjuntos difusos. La implementación de las funciones de pertenencia en el diseño de w-operadores, da lugar al diseño de nuevos operadores morfológicos, los w-operadores difusos. Esta propuesta es aplicada al diseño automático de w-operadores para la segmentación de dos clases y multiclase de imágenes biomédicas. Fri, 09 Aug 2024 00:00:00 GMT https://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/904 2024-08-09T00:00:00Z