Contexto: Las microcalcificaciones mamarias son lesiones no palpables que están presentes aproximadamente en el 55% de los casos de cáncer de mama; son un hallazgo muy frecuente en mamografías y pueden ser un indicador de esta enfermedad en sus primeras fases. Método: Se implementó un método para el realce de microcalcificaciones mamarias basado en análisis multirresolución a través de la transformada wavelet. Posteriormente se realiza una segmentación aproximada de candidatos utilizando los parámetros estadísticos de la distribución de coeficientes y se seleccionaron aquellos que cumplían con ciertos parámetros de longitud y distribución. Por último, se emplea un modelo de clasificación binaria utilizando máquinas de soporte vectorial para clasificar imágenes con microcalcificaciones mamarias agrupadas. Resultados: Se realizó la tarea de clasificación binaria entre imágenes con tejido mamario sano y con microcalcificaciones utilizando una máquina de soporte vectorial (Support-vector machine, SVM, por sus siglas en inglés) utilizando kernel lineal. Las métricas de evaluación para el algorítmo fueron: área bajo la curva (AUC) de 93.6 %, precisión de 89.4 %, sensibilidad de 88.4% y especificidad de 90.5 %. Conclusiones: En el presente trabajo se utilizó el tamaño y la distribución como criterios para la segmentación y caracterización de microcalcificaciones mamarias agrupadas, que en la evaluación clínica son medidas cuantitativas para la detección de cáncer de seno en sus primeras etapas. Dado que el tejido mamario presenta un bajo contraste se propuso un método de realce que logra desenmascarar algunas microcalcificaciones que son poco evidentes. Con el enfoque propuesto se logró clasificar correctamente la mayoría de imágenes de tejido mamario con microcalcificaciones agrupadas ya sea en distribuciones segmentarias, lineales o ramificadas.

Para un mayor rendimiento en la compresión de imágenes, la transformada wavelet requiere de filtros que combinen ciertas propiedades importantes como la ortogonalidad y simetría. Sin embargo, en el diseño de las wavelets tal combinación es limitada, ya que no es posible tener estas propiedades simultáneamente salvo el caso de Haar. El campo de las multiwavelets permite más opciones de diseño y por tanto distintas características simultáneas, tales como: soporte compacto, suavidad, aproximación de orden superior, simetría y ortogonalidad, entre otros. Es necesario por lo tanto establecer parámetros que permitan contrastar el rendimiento de wavelets escalares y multiwavelets. El propósito de este artículo es presentar algunos principios básicos de bancos de filtros, wavelets, multiwavelets y sus conexiones, así como los resultados experimentales obtenidos en la compresión de imágenes de prueba, comparando el rendimiento de cada uno de los sistemas.

Este artículo presenta el desarrollo de una herramienta de software para el realce de áreas sospechosas de nódulos pulmonares en radiografías de tórax.  Los nódulos pulmonares son lesiones que se encuentran dentro de la regíon pulmonar y son los primeros indicadores de la presencia de un tumor cancerígeno en este órgano.  En primera instancia, se implementa un método de segmentación automático.  Luego, para el realce de los candidatos, se usan filtros de convergencia que evalúan el grado en el que converge el área circundante al píxel de interés, asumiendo que los posibles candidatos a nódulos presentan forma circular.  En este trabajo se implementan cuatro filtros de convergencia: Moneda, Iris, Anillo Adaptativo y Banda Deslizante.  Los filtros de moneda y de anillo adaptativo obtuvieron mejores resultados en cuanto a detección y número de candidatos por imagen.  Al aplicar la técnica de resta contralateral junto con los filtros basados en características geométricas tales como área, redondez y excentricidad, se logró disminuir el número de candidatos.

-

Hoy en día la compresión de imágenes es esencial en aplicaciones de transmisión y almacenamiento en bases de datos. Este trabajo expone el diseño de un sistema de compresión haciendo uso de la técnica de codificación por transformación y en particular haciendo uso de la transformada Wavelet. El diseño se centró en un conjunto de imágenes médicas debido a la alta calidad visual que requiere este tipo de imágenes. A causa de la gran variedad de filtros Wavelet disponibles, se escogió un filtro específico de acuerdo con el Algoritmo de Mejor Base. El diseño de la etapa de cuantificación tiene como soporte la modelación estadística de los coeficientes Wavelets, principalmente hacia una distribución Laplaciana. De acuerdo con el algoritmo de Linde-Bruno-Gray, se construye un cuantificador escalar multiresolución general para todo el conjunto de imágenes en estudio. Finalmente, la codificación en entropía se alcanza por medio de un codificador aritmético. Dentro del desarrollo del documento se describen los diferentes análisis hechos para obtener un diseño final con una tasa de compresión igual a 5.43:1 y preservando la calidad de la imagen original.

En este artículo se estudia el comportamiento del tráfico generado por una fuente de video digital comprimido con la intención de obtener un modelo estadístico. El análisis se realizó sobre la señal de una película de 87 minutos de duración. La generación de información de una fuente de video digital es, en general, de tasa de bits variable. Para el análisis se tuvo en cuenta que los servicios de comunicaciones de video requieren sistemas en tiempo real y que cada imagen debe ser presentada en instantes específicos. El modelo planteado se basó en la variación de la tasa de bits en intervalos iguales a la tasa de cuadros/segundo. Tener un modelo que permita simular la generación de una fuente de video digital sirve para simular y analizar el tráfico en las redes digitales de telecomunicaciones. Por consiguiente, un algoritmo puede ser implementado en un computador.