Digital processing of medical images: application in synthetic cardiac datasets using the CRISP_DM methodology



Título del documento: Digital processing of medical images: application in synthetic cardiac datasets using the CRISP_DM methodology
Revista: Revista latinoamericana de hipertensión
Base de datos: PERIÓDICA
Número de sistema: 000436637
ISSN: 1856-4550
Autores: 1
1
2
3
4
4
1
1
1
5
5
6
1
1
Instituciones: 1Universidad Simón Bolívar, Facultad de Ciencias Básicas y Biomédicas, Cúcuta, Norte de Santander. Colombia
2Universidad de Los Andes, Grupo de Investigación en Procesamiento Computacional de Datos, Táchira, San Cristóbal. Venezuela
3Universidad de Pamplona, Facultad de Ciencias Básicas, Pamplona, Norte de Santander. Colombia
4Hospital Central de San Cristóbal, Servicio de Neurología, Táchira, San Cristóbal. Venezuela
5Universidad ECCI, Grupo de Investigación en Ingeniería Clínica, Bogotá. Colombia
6Universidad Simón Bolívar, Facultad de Ingeniería, Cúcuta, Norte de Santander. Colombia
7Universidad Simón Bolívar, Departamento de Ciencias Sociales y Humanas, Cúcuta, Norte de Santander. Colombia
Año:
Volumen: 13
Número: 4
Paginación: 310-315
País: Venezuela
Idioma: Inglés
Tipo de documento: Artículo
Enfoque: Analítico, descriptivo
Resumen en inglés n this work an adaptation of the Cross Industry Standard Process for Data Mining (CRISP-DM) methodology, in the context of digital medical image processing is proposed. Specifically, synthetic images reported in the literature are used as numerical phantoms. Construction of the synthetic images was inspired by a detailed analysis of some of the imperfections found in the real multilayer cardiac computed tomography images. Of all the imperfections considered, only Poisson noise was selected and incorporated into a synthetic database. An example is presented in which images contaminated with Poisson noise are processed and then subject to two classical digital smoothing techniques, identified as Gaussian filter and anisotropic diffusion filter. Additionally, the peak of the signal-to-noise ratio (PSNR) is considered as a metric to analyze the performance of these filters
Disciplinas: Medicina,
Ciencias de la computación
Palabras clave: Sistema cardiovascular,
Procesamiento de datos,
Diagnóstico,
Imágenes digitales,
Procesamiento de imágenes,
Tomografía computarizada,
Minería de datos
Keyword: Cardiovascular system,
Data processing,
Diagnosis,
Digital images,
Image processing,
Computerized tomography,
Data mining
Texto completo: http://biblat.unam.mx/hevila/Revistalatinoamericanadehipertension/2018/vol13/no4/1.pdf