Implementación del algoritmo rápido de desmezclado lineal de imágenes hiperespectrales (FUN) para el cálculo de abundancias en aplicaciones médicas

Parra Nieto, Laura (2017). Implementación del algoritmo rápido de desmezclado lineal de imágenes hiperespectrales (FUN) para el cálculo de abundancias en aplicaciones médicas. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Descripción

Título: Implementación del algoritmo rápido de desmezclado lineal de imágenes hiperespectrales (FUN) para el cálculo de abundancias en aplicaciones médicas
Autor/es:
  • Parra Nieto, Laura
Director/es:
  • Juárez Martínez, Eduardo
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería de Sistemas de Telecomunicación
Fecha: Julio 2017
Materias:
Palabras Clave Informales: Imágenes hiperespectrales Medicina de precisión
Escuela: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Departamento: Ingeniería Telemática y Electrónica
Grupo Investigación UPM: Diseño Electrónico y Microelectrónico GDEM
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (2MB) | Vista Previa
[img] Archivo comprimido ZIP (Anexos)
Descargar (25MB)

Resumen

La característica más relevante de las imágenes hiperespectrales es la cantidad de información que proporcionan, ofreciendo valores de reflectancia a lo largo del espectro, desde el ultravioleta hasta al infrarrojo. Esta tecnología nació para el estudio de la superficie terrestre, pero en los últimos años se ha expandido su uso a otros campos como puede ser la medicina. Gracias a la gran resolución espectral de estas imágenes ha sido posible la detección de cáncer con esta nueva técnica no invasiva. En este nuevo ámbito cambian las condiciones y surgen nuevas necesidades, como es el procesado de estas imágenes en tiempo real. La elevada cantidad de información que proporcionan este tipo de imágenes hace que se tenga una gran carga computacional a la hora de procesarlas, lo que hace imposible que se sigan usando las técnicas tradicionales hasta ahora para el procesado de dichas imágenes. Por ello, actualmente, desde el grupo de investigación GDEM (Grupo de Diseño Electrónico y Microelectrónico que pertenece al CITSEM (Centro de Investigación en Tecnologías Software y Sistemas Multimedia para la Sostenibilidad), se llevan varias líneas de investigación para conseguir este objetivo, como son la paralelización de técnicas actuales dividiendo la carga computacional en varios núcleos que trabajen simultáneamente o la búsqueda de nuevos algoritmos que reduzcan esta carga computacional. El presente documento se centra en esta última línea de investigación, describiendo un nuevo algoritmo cuya función es la extracción de la información necesaria para la detección de cáncer en estas imágenes, consistiendo ésta en los distintos materiales que hay presentes en una imagen y sus correspondientes abundancias en cada píxel. Este proceso se denomina proceso de desmezclado y actualmente es realizado por una cadena de algoritmos. Este trabajo se ha dividido siguiendo la estructura clásica de un trabajo de investigación. En primer lugar se describen los motivos que han llevado a la realización del mismo y los objetivos que se pretenden alcanzar una vez se finalice. Para ello ha sido necesario explicar con detenimiento el concepto de imagen hiperespectral y el proceso de desmezclado mencionado anteriormente. A continuación, se describe este nuevo algoritmo encargado del desmezclado de una imagen hiperespectral, y las diferentes formas de implementarlo. Para concluir este estudio, se realizara una serie de pruebas con imágenes hiperespectrales sintéticas con las cuales se verifica el comportamiento de dicho algoritmo. Una vez que se han sacado las conclusiones oportunas con este tipo de imágenes se pasa a trabajar con imágenes hiperespectrales quirúrgicas; el estudio del algoritmo con estas imágenes permitirá decidir si realmente este algoritmo se puede encargar de la detección de cáncer en este tipo de imágenes. Por último, se expondrán las conclusiones obtenidas tras el resultado del estudio realizado a lo largo del documento. Abstract: The main characteristic of hyperspectral images is the extremely large volume of information they contain, providing reflectance values along the spectrum, from the ultraviolet to the infrared. The initial objective of this technology has been to study the Earth surface, although nowadays its use has expanded to other fields, such as medicine. Thanks to the great spectral resolution of these images, the detection of cancer through this non-invasive technique has been possible. Within this new research field, the conditions change and new necessities grow, as the images need to be processed in real time. The high computational load that they require for being processed is due to the big amount of information they provide, which makes impossible to use traditional techniques for the processing of these images. This is the reason why several new research lines have appeared nowadays, as the parallelization of traditional algorithms by sharing the computational load among several cores working simultaneously or the search of new algorithms to decrease the computational load. This document focuses in this last research, describing a new algorithm whose purpose is to obtain the required information to detect cancer tissue in these images. Each pixel of these images is composed of the different materials appearing in it, as well as their associated abundances. This process is called unmixing process and is currently carried out by a series of algorithms. This project has been divided following the classic structure of a research work. Firstly, the document describes the reasons for carrying out this work and the goals to be achieved once it is finished. To do so, it has been necessary to explain in detail the concept of hyperspectral image and the unmixing process mentioned above. Next, the algorithm studied in this project is described, as well as its implementation. After that, the behavior of the algorithm is tested with synthetic hyperspectral images. Once the conclusions with this type of images have been drawn, the algorithm is tested again with surgical hyperspectral images. The study of the algorithm with these images will provide enough information to decide whether this algorithm can detect cancer tissue or not. Finally, the conclusions following the outcome of this study are presented.

Más información

ID de Registro: 52933
Identificador DC: http://oa.upm.es/52933/
Identificador OAI: oai:oa.upm.es:52933
Depositado por: Biblioteca Universitaria Campus Sur
Depositado el: 06 Nov 2018 15:19
Ultima Modificación: 06 Nov 2018 15:19
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • InvestigaM
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM