Reducción de ruido de señales de resonancia magnética con método wavelet, biortogonal (RBIO) y MEYER (DMEY).

Vista sencilla de ítem
dc.contributor.advisorCancino de Greif, Héctor Fernando
dc.contributor.authorVivas Ramos, Fabian Alejandro
dc.creator.emailfavivasr@libertadores.edu.cospa
dc.date.accessioned2023-08-18T20:15:18Z
dc.date.available2023-08-18T20:15:18Z
dc.date.created2023-08-01
dc.descriptionEn el desarrollo del estudio o toma de imágenes en la diagnosticarían de casos o problemas de salud juega un papel fundamental para la detección y prevención de enfermedades. De hecho, este sistema se utiliza, principalmente, como apoyo diagnóstico. El análisis a partir de imágenes de MRI (Magnetic Resonance Imaging), permite que órganos como el cerebro, la médula espinal, los nervios, músculos, ligamentos, tendones, tumores o quistes en el hígado; se vean más claros en contraste con los rayos X y la CT) [1]. Sin embargo, almacenar y transmitir este tipo de imágenes a través de la red implica aumentar el ancho de banda y disminuir la velocidad de transmisión, debido a que las imágenes digitales pueden presentar tres tipos de redundancia: psicovisual, espacial y de codificación. A partir de esto surge la necesidad de aplicar métodos de compresión, sin pérdida, que reduzcan la tasa de bit para transmisión o almacenamiento y conserven la información relevante sin afectar la calidad de la imagen comprimida; factores que son fundamentales en el ámbito hospitalario y de Telemedicina. Una de las técnicas aplicadas para comprimir, sin pérdidas, es la transformada Wavelet (WT, por sus siglas en inglés) propuesta a finales de la década de los años 80; esta suministra información simultánea de amplitud y frecuencia de las señales a partir de la traslación y cambio de escala de una función llamada: Wavelet madre, la cual da origen a 5 distintas familias Wavelet entre las que se encuentran: Haar, Daubechies, Biortogonal, Symlet, Meyer, Coiflets, Mexican Hat, Shannon y Morlet [2]. Además, posee características como: ortogonalidad, invertibilidad, representación multiescalar, compactación e invarianza de la energía [3]. Estas características constituyen la principal diferencia con respecto a métodos de compresión como la transformada de Fourier y la DCT (Discrete Cosine Transform), en donde sólo se obtiene información frecuencial de la señal, es decir, que se alcanza la máxima resolución espectral sacrificando resolución temporal [4]. Por esta razón, en la actualidad, la WT es una de las herramientas más potentes en el procesamiento de señales y en la compresión de imágenes de MRI. Por lo general, en las técnicas de compresión sin pérdida, se utiliza la DWT (Discrete Wavelet Transform) debido a que descompone las imágenes mediante: filtro paso bajo-paso bajo (LL), paso bajo- paso alto (LH), paso alto-paso bajo (HL) y paso altopaso alto (HH). El filtro LL genera un coeficiente aproximado y los tres restantes son coeficientes detallados. La sub-banda LL contiene información de las frecuencias bajas de la imagen original. De manera similar, las bandas, HL, LH y HH, contienen información de las frecuencias altas, esto permite aplicar el proceso de reconstrucción después de diezmar dichos coeficientes y con ello Aplicar procesos de compresión sin pérdidas útiles para reducir el ancho de banda, mejorar la capacidad de almacenamiento e incrementar la velocidad de transmisión sin afectar la calidad de la imagen diagnóstica, con base a esto se busca reducir el ruido de la resonancia magnética utilizando, El método de la transformada wavelets Biortogonal discreta (rbio) y Meyer discreta ( Dmeyer).spa
dc.description.abstractIn the development of the study or taking of images in the diagnosis of cases or health problems, it plays a fundamental role for the detection and prevention of diseases. In fact, this system is mainly used as diagnostic support. The analysis from MRI (Magnetic Resonance Imaging) images allows organs such as the brain, spinal cord, nerves, muscles, ligaments, tendons, tumors or cysts in the liver; appear clearer in contrast to X-rays and CT) [1]. However, storing and transmitting this type of images through the network implies increasing the bandwidth and reducing the transmission speed, since digital images can present three types of redundancy: psychovisual, spatial, and encoding. From this arises the need to apply compression methods, without loss, which reduce the bit rate for transmission or storage and preserve the relevant information without affecting the quality of the compressed image; factors that are fundamental in the hospital and telemedicine environment. One of the techniques applied to compress, without losses, is the Wavelet transform (WT) proposed at the end of the 80s; This provides simultaneous information on the amplitude and frequency of the signals from the translation and scale change of a function called: Mother Wavelet, which gives rise to 5 different Wavelet families, among which are: Haar, Daubechies, Biortogonal, Symlet. , Meyer, Coiflets, Mexican Hat, Shannon, and Morlet [2]. In addition, it has characteristics such as: orthogonality, invertibility, multiscalar representation, compaction and energy invariance [3]. These characteristics constitute the main difference with respect to compression methods such as the Fourier transform and the DCT (Discrete Cosine Transform), where only frequency information of the signal is obtained, that is, the maximum spectral resolution is achieved sacrificing temporal resolution. [4]. For this reason, WT is currently one of the most powerful tools in signal processing and compression of MRI images. Generally, in lossless compression techniques, the DWT (Discrete Wavelet Transform) is used because it decomposes the images by: low-pass-low-pass (LL), low-pass-high-pass (LH), high-pass filter -low pass (HL) and high pass high pass (HH). The LL filter generates a rough coefficient and the remaining three are verbose coefficients. The LL sub-band contains information of the low frequencies of the original image. In a similar way, the bands, HL, LH and HH, contain information of the high frequencies, this allows to apply the reconstruction process after decimating said coefficients and with it, to Apply compression processes without useful losses to reduce the bandwidth, improve the storage capacity and increase the transmission speed without affecting the quality of the diagnostic image, based on this, it seeks to reduce the noise of the magnetic resonance using, The method of the discrete Biorthogonal wavelets transform (rbio) and discrete Meyer (Dmeyer ).spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/6084
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.subject.lembResonancia magnética en imágenesspa
dc.subject.lembDiagnóstico por imagenspa
dc.subject.lembImágenes diagnósticas - Técnicas digitalesspa
dc.subject.lembElectrónica digitalspa
dc.subject.proposalBiortogonalspa
dc.subject.proposalOrtogonalspa
dc.subject.proposalFurier dominiospa
dc.subject.proposalWaveletsspa
dc.subject.subjectenglishBiorthogonalspa
dc.subject.subjectenglishOrthogonalspa
dc.subject.subjectenglishFurier domainspa
dc.subject.subjectenglishWaveletsspa
dc.titleReducción de ruido de señales de resonancia magnética con método wavelet, biortogonal (RBIO) y MEYER (DMEY).spa
dc.title.titleenglishNoise reduction of magnetic resonance signals with wavelet, biorthogonal (RBIO) and MEYER (DMEY) methods.spa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Vivas_Fabian_2022.pdf
Tamaño:
709.11 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
2.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorizacion_Vivas_Fabian_2022.pdf
Tamaño:
158.41 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Ingeniería Electrónica