Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar

Autores
Flesia, Juan Germán; Giménez, Enrique Daniel; Flesia, Ana Georgina
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Flesia, Juan Germán. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra Diagnóstico por Imágenes A; Argentina.
Fil: Giménez, Enrique Daniel. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra de Diagnóstico por Imágenes A; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
Evaluar los nuevos desarrollos en procesamiento de imágenes para realizar estudios paralelos no invasivos, digitalizando radiografías dentales de muestras preparadas para estudio histológico sobre el desarrollo óseo de ratas Wistar. Las Hemi-Mandíbulas Wistar, de 60 días, previa vivisección, fueron recolectadas en Química biológica Fac.de Odontología UNC. La radiografía fue tomada en la Cátedra de Diagnostico de Imágenes de la Facultad de Odontología UNC, Técnica del Paralelismo Cilindro colimador 20 cm, Filtro Aluminio 1mm, Filtración Total equivalente 2cm Aluminio. 65 Kv, 8Ma. Procesado Radiográfico según Arte. La digitalización de la Imagen Radiográfica fue realizada con un Digitalizador CCD Plano. Para comparación, se realizo una segmentación manual, pixel a pixel, de los tejidos visibles en la imagen. Los procedimientos usados, MV (máxima verosimilitud), CEP (complete enumeration propagation), PCVT (path constrained Viterbi training), y ICM (iterated conditional modes) pertenecen a un nuevo toolbox de segmentación contextual Markoviana en lenguaje Matlab generado por investigadores de laFacultad de Matemática, Física y Astronomía, de la UNC. Se comparan los resultados obtenidos con los diferentes métodos usando el estadístico kappa, en contra de la segmentación realizada manualmente por los autores. Dichos resultados son, a su vez, comparados con estudios histológicos realizados sobre las muestras.RESULTADOS: Las imágenes presentan un alto nivel de ruido. Los métodos Markovianos causales, CEP y PCVT logran limpiar el ruido y segmentar correctamente la imagen, con un valor de kappa de 0.8+-0.12, con un 95% de confianza. Este estudio presenta el potencial de toolbox generado en la Famaf-UNC para segmentar automáticamente imágenes digitalizadas con alto nivel de ruido, permitiendo realizar estudios no invasivos que pueden ser comparados en el tiempo con otros trabajos de investigación en crecimiento de tejidos óseos.
http://piprestaciones.com/Eventos/2016/Libro%20Resumenes%20Latinoam%202016.pdf
Fil: Flesia, Juan Germán. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra Diagnóstico por Imágenes A; Argentina.
Fil: Giménez, Enrique Daniel. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra de Diagnóstico por Imágenes A; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
Otras Ciencias de la Salud
Materia
Diagnóstico por computadora
Ratas
Ratas Wistar
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/548242
Acceder
id RDUUNC_e52ca1ad7c1bb942394c8076a72b2d24
oai_identifier_str oai:rdu.unc.edu.ar:11086/548242
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas WistarFlesia, Juan GermánGiménez, Enrique DanielFlesia, Ana GeorginaDiagnóstico por computadoraRatasRatas WistarFil: Flesia, Juan Germán. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra Diagnóstico por Imágenes A; Argentina.Fil: Giménez, Enrique Daniel. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra de Diagnóstico por Imágenes A; Argentina.Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.Evaluar los nuevos desarrollos en procesamiento de imágenes para realizar estudios paralelos no invasivos, digitalizando radiografías dentales de muestras preparadas para estudio histológico sobre el desarrollo óseo de ratas Wistar. Las Hemi-Mandíbulas Wistar, de 60 días, previa vivisección, fueron recolectadas en Química biológica Fac.de Odontología UNC. La radiografía fue tomada en la Cátedra de Diagnostico de Imágenes de la Facultad de Odontología UNC, Técnica del Paralelismo Cilindro colimador 20 cm, Filtro Aluminio 1mm, Filtración Total equivalente 2cm Aluminio. 65 Kv, 8Ma. Procesado Radiográfico según Arte. La digitalización de la Imagen Radiográfica fue realizada con un Digitalizador CCD Plano. Para comparación, se realizo una segmentación manual, pixel a pixel, de los tejidos visibles en la imagen. Los procedimientos usados, MV (máxima verosimilitud), CEP (complete enumeration propagation), PCVT (path constrained Viterbi training), y ICM (iterated conditional modes) pertenecen a un nuevo toolbox de segmentación contextual Markoviana en lenguaje Matlab generado por investigadores de laFacultad de Matemática, Física y Astronomía, de la UNC. Se comparan los resultados obtenidos con los diferentes métodos usando el estadístico kappa, en contra de la segmentación realizada manualmente por los autores. Dichos resultados son, a su vez, comparados con estudios histológicos realizados sobre las muestras.RESULTADOS: Las imágenes presentan un alto nivel de ruido. Los métodos Markovianos causales, CEP y PCVT logran limpiar el ruido y segmentar correctamente la imagen, con un valor de kappa de 0.8+-0.12, con un 95% de confianza. Este estudio presenta el potencial de toolbox generado en la Famaf-UNC para segmentar automáticamente imágenes digitalizadas con alto nivel de ruido, permitiendo realizar estudios no invasivos que pueden ser comparados en el tiempo con otros trabajos de investigación en crecimiento de tejidos óseos.http://piprestaciones.com/Eventos/2016/Libro%20Resumenes%20Latinoam%202016.pdfFil: Flesia, Juan Germán. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra Diagnóstico por Imágenes A; Argentina.Fil: Giménez, Enrique Daniel. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra de Diagnóstico por Imágenes A; Argentina.Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.Otras Ciencias de la SaludUniversidad Nacional de Cuyo. Secretaría de Ciencia, Técnica y Posgrado2016info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf978-987-575-132-3http://hdl.handle.net/11086/548242spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:44:44Zoai:rdu.unc.edu.ar:11086/548242Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:44:44.907Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
title Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
spellingShingle Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
Flesia, Juan Germán
Diagnóstico por computadora
Ratas
Ratas Wistar
title_short Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
title_full Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
title_fullStr Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
title_full_unstemmed Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
title_sort Segmentación markoviana de imágenes en estudios de crecimiento óseo de ratas Wistar
dc.creator.none.fl_str_mv Flesia, Juan Germán
Giménez, Enrique Daniel
Flesia, Ana Georgina
author Flesia, Juan Germán
author_facet Flesia, Juan Germán
Giménez, Enrique Daniel
Flesia, Ana Georgina
author_role author
author2 Giménez, Enrique Daniel
Flesia, Ana Georgina
author2_role author
author
dc.subject.none.fl_str_mv Diagnóstico por computadora
Ratas
Ratas Wistar
topic Diagnóstico por computadora
Ratas
Ratas Wistar
dc.description.none.fl_txt_mv Fil: Flesia, Juan Germán. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra Diagnóstico por Imágenes A; Argentina.
Fil: Giménez, Enrique Daniel. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra de Diagnóstico por Imágenes A; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
Evaluar los nuevos desarrollos en procesamiento de imágenes para realizar estudios paralelos no invasivos, digitalizando radiografías dentales de muestras preparadas para estudio histológico sobre el desarrollo óseo de ratas Wistar. Las Hemi-Mandíbulas Wistar, de 60 días, previa vivisección, fueron recolectadas en Química biológica Fac.de Odontología UNC. La radiografía fue tomada en la Cátedra de Diagnostico de Imágenes de la Facultad de Odontología UNC, Técnica del Paralelismo Cilindro colimador 20 cm, Filtro Aluminio 1mm, Filtración Total equivalente 2cm Aluminio. 65 Kv, 8Ma. Procesado Radiográfico según Arte. La digitalización de la Imagen Radiográfica fue realizada con un Digitalizador CCD Plano. Para comparación, se realizo una segmentación manual, pixel a pixel, de los tejidos visibles en la imagen. Los procedimientos usados, MV (máxima verosimilitud), CEP (complete enumeration propagation), PCVT (path constrained Viterbi training), y ICM (iterated conditional modes) pertenecen a un nuevo toolbox de segmentación contextual Markoviana en lenguaje Matlab generado por investigadores de laFacultad de Matemática, Física y Astronomía, de la UNC. Se comparan los resultados obtenidos con los diferentes métodos usando el estadístico kappa, en contra de la segmentación realizada manualmente por los autores. Dichos resultados son, a su vez, comparados con estudios histológicos realizados sobre las muestras.RESULTADOS: Las imágenes presentan un alto nivel de ruido. Los métodos Markovianos causales, CEP y PCVT logran limpiar el ruido y segmentar correctamente la imagen, con un valor de kappa de 0.8+-0.12, con un 95% de confianza. Este estudio presenta el potencial de toolbox generado en la Famaf-UNC para segmentar automáticamente imágenes digitalizadas con alto nivel de ruido, permitiendo realizar estudios no invasivos que pueden ser comparados en el tiempo con otros trabajos de investigación en crecimiento de tejidos óseos.
http://piprestaciones.com/Eventos/2016/Libro%20Resumenes%20Latinoam%202016.pdf
Fil: Flesia, Juan Germán. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra Diagnóstico por Imágenes A; Argentina.
Fil: Giménez, Enrique Daniel. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra de Diagnóstico por Imágenes A; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
Otras Ciencias de la Salud
description Fil: Flesia, Juan Germán. Universidad Nacional de Córdoba. Facultad de Odontología. Cátedra Diagnóstico por Imágenes A; Argentina.
publishDate 2016
dc.date.none.fl_str_mv 2016
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv 978-987-575-132-3
http://hdl.handle.net/11086/548242
identifier_str_mv 978-987-575-132-3
url http://hdl.handle.net/11086/548242
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Cuyo. Secretaría de Ciencia, Técnica y Posgrado
publisher.none.fl_str_mv Universidad Nacional de Cuyo. Secretaría de Ciencia, Técnica y Posgrado
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618990094123009
score 13.070432

Publicaciones similares