New Feature at Niagara – Clark Hill Islands

New Feature at Niagara – Clark Hill Islands (5 islands situated in the rapids of the Niagara River). These islands are currently known as Dufferin Islands, 22 ½ cm. x 15 ½ cm, n.d.

Influencia de la obstrucción nasal en el desarrollo craneofacial en ratas por Rosamaría Guajardo Montealvo

Tesis (Maestría en Ciencias Odontológicas con Especialidad en Ortodoncia) U.A.N.L.

Influencia de la resección del cartilogo nasal en el crecimiento y desarrollo del maxilar superior en ratas sprague dawley

tesis ( Maestría en Ciencias Odontológicas con Especialidad en Ortodoncia) U.A.N.L.

Cambio en el flujo aéreo nasal asociado al tratamiento de expansión rápida maxilar en niños con compresión maxilar.

Tesis (Maestría en Ciencias Odontológicas con Especialidad en Ortodoncia) UANL, 2011.

Efectos de la disyunción palatina sobre el flujo de aire nasal en pacientes pediátricos con el uso de expansión lenta.

Tesis (Maestría en Ciencias Odontológicas con orientación en Odontopediatría) UANL, 2014.

Medición del flujo de aire nasal en niños de 6-12 años de edad con compresión maxilar utilizando expansión.

Tesis (Maestría en Ciencias Odontológicas con orientación en Odontopediatría) UANL, 2014.

Efecto del aire a una temperatura de 44 - 46C en la fisiología nasal determinada por rinomanometría, función mucociliar y citología nasal

Tesis [Doctorado en Medicina] UANL

Remplazo de la punta y la columela nasal o de el ala de la nariz en un tiempo operatorio

Tesis (Doctorado en Medicina) UANL

Evaluación de la respuesta inmune en un modelo animal después de la administración nasal de cepas recombinantes de Lactococcus lactis que expresan la proteína E7 del HPV-16 y la interleucina-12 Murina

Tesis ( Doctor en Ciencias con Especialidad en Biotecnología) U.A.N.L.

Effet d’une orthèse d’avancement mandibulaire neutre combinée à un masque facial et nasal dans le traitement de l’apnée obstructive du sommeil par CPAP

Le traitement de première ligne de l’apnée obstructive du sommeil est l’appareil à pression positive, soit le CPAP, qui est le plus souvent utilisé avec un masque nasal. Certains patients, incapables de tolérer le masque nasal, doivent se tourner vers le masque facial, qui peut parfois requérir une pression supérieure à celle utilisée avec le masque nasal pour éliminer tous les événements respiratoires. Nous supposons que l’ajustement serré du masque facial, dans le but de réduire les fuites, entraîne une pression de recul sur la mandibule; ceci diminuerait le calibre des voies aériennes supérieures, nécessitant donc une pression effective thérapeutique supérieure pour rétablir un passage de l’air. Nos objectifs étaient : 1) de démontrer s’il y avait une différence de pression effective entre le masque nasal et le masque facial, 2) de quantifier la fuite entre les deux masques, 3) d’évaluer l’effet d’une orthèse de rétention mandibulaire neutre (OMN), qui empêche le recul mandibulaire, sur la pression effective des deux masques et 4) d’évaluer s’il existait un lien entre la céphalométrie et les réponses variables des individus. Méthodologie : Lors de cette étude expérimentale croisée, huit sujets (2 femmes, 6 hommes) avec une moyenne d’âge de 56,3ans [33ans-65ans] ont reçu un examen orthodontique complet incluant une radiographie céphalométrique latérale. Ils ont ensuite passé deux nuits de polysomnographie au laboratoire du sommeil en protocole « split-night » où les deux masques ont été portés, seuls, la première nuit, et avec l’OMN, la deuxième nuit. Résultats : Nous avons trouvé que la pression effective thérapeutique était supérieure avec le masque facial comparativement au masque nasal de manière statistiquement significative. Nous avons observé une fuite supérieure avec le masque nasal, ce qui permet de dire que la fuite n’explique probablement pas cette différence de pression entre les deux masques. L’OMN n’a pas donné d’effet statistiquement significatif lorsque combinée au masque nasal, mais il aurait probablement été possible de trouver un effet positif avec le masque facial si le Bi-PAP avait été inclus dans le protocole de recherche. Conclusion : Nos résultats ne permettent pas de confirmer le rôle du recul mandibulaire, causé par la force exercée avec le masque facial, dans l’obtention de pressions supérieures avec ce masque, mais nous ne pouvons toutefois pas éliminer l’hypothèse. Les résultats suggèrent également que ce phénomène est peut-être plus fréquent qu’on ne le croit et qu’il pourrait y avoir un lien avec certains facteurs anatomiques individuels.

L’injection percutanée de cartilage sur le dorsum nasal chez le lapin

Abstract: Objective: To compare the long-term viability of percutaneously injected crushed auricular cartilage to surgically implanted cartilage in the rabbit. Methods: Auricular cartilage was harvested bilaterally in 10 New Zealand white rabbits. A 1 cm2 cartilage graft was harvested and implanted surgically on the upper nasal dorsum. The remaining cartilage was crushed and percutaneously injected on the lower nasal dorsum. Volume and mass of each graft were compared between pre-implantation and after 3 months of observation. A histological study was conducted to evaluate chondrocyte viability and degree of fibrosis on the grafts. Results: Mass and volume remained similar for surgically implanted cartilage grafts. Mass and volume diminished by an average of 47% and 40% respectively after 3 months for the injected crushed cartilage grafts. Chondrocyte viability was an average of 25% lower in the injected grafts. Conclusion: Cartilage injection is a promising technique that must be refined to increase long term chondrocyte viability. Developing an appropriate injection apparatus would improve this technique.

Improving sampling, optimization and feature extraction in Boltzmann machines

L’apprentissage supervisé de réseaux hiérarchiques à grande échelle connaît présentement un succès fulgurant. Malgré cette effervescence, l’apprentissage non-supervisé représente toujours, selon plusieurs chercheurs, un élément clé de l’Intelligence Artificielle, où les agents doivent apprendre à partir d’un nombre potentiellement limité de données. Cette thèse s’inscrit dans cette pensée et aborde divers sujets de recherche liés au problème d’estimation de densité par l’entremise des machines de Boltzmann (BM), modèles graphiques probabilistes au coeur de l’apprentissage profond. Nos contributions touchent les domaines de l’échantillonnage, l’estimation de fonctions de partition, l’optimisation ainsi que l’apprentissage de représentations invariantes. Cette thèse débute par l’exposition d’un nouvel algorithme d'échantillonnage adaptatif, qui ajuste (de fa ̧con automatique) la température des chaînes de Markov sous simulation, afin de maintenir une vitesse de convergence élevée tout au long de l’apprentissage. Lorsqu’utilisé dans le contexte de l’apprentissage par maximum de vraisemblance stochastique (SML), notre algorithme engendre une robustesse accrue face à la sélection du taux d’apprentissage, ainsi qu’une meilleure vitesse de convergence. Nos résultats sont présent ́es dans le domaine des BMs, mais la méthode est générale et applicable à l’apprentissage de tout modèle probabiliste exploitant l’échantillonnage par chaînes de Markov. Tandis que le gradient du maximum de vraisemblance peut-être approximé par échantillonnage, l’évaluation de la log-vraisemblance nécessite un estimé de la fonction de partition. Contrairement aux approches traditionnelles qui considèrent un modèle donné comme une boîte noire, nous proposons plutôt d’exploiter la dynamique de l’apprentissage en estimant les changements successifs de log-partition encourus à chaque mise à jour des paramètres. Le problème d’estimation est reformulé comme un problème d’inférence similaire au filtre de Kalman, mais sur un graphe bi-dimensionnel, où les dimensions correspondent aux axes du temps et au paramètre de température. Sur le thème de l’optimisation, nous présentons également un algorithme permettant d’appliquer, de manière efficace, le gradient naturel à des machines de Boltzmann comportant des milliers d’unités. Jusqu’à présent, son adoption était limitée par son haut coût computationel ainsi que sa demande en mémoire. Notre algorithme, Metric-Free Natural Gradient (MFNG), permet d’éviter le calcul explicite de la matrice d’information de Fisher (et son inverse) en exploitant un solveur linéaire combiné à un produit matrice-vecteur efficace. L’algorithme est prometteur: en terme du nombre d’évaluations de fonctions, MFNG converge plus rapidement que SML. Son implémentation demeure malheureusement inefficace en temps de calcul. Ces travaux explorent également les mécanismes sous-jacents à l’apprentissage de représentations invariantes. À cette fin, nous utilisons la famille de machines de Boltzmann restreintes “spike & slab” (ssRBM), que nous modifions afin de pouvoir modéliser des distributions binaires et parcimonieuses. Les variables latentes binaires de la ssRBM peuvent être rendues invariantes à un sous-espace vectoriel, en associant à chacune d’elles, un vecteur de variables latentes continues (dénommées “slabs”). Ceci se traduit par une invariance accrue au niveau de la représentation et un meilleur taux de classification lorsque peu de données étiquetées sont disponibles. Nous terminons cette thèse sur un sujet ambitieux: l’apprentissage de représentations pouvant séparer les facteurs de variations présents dans le signal d’entrée. Nous proposons une solution à base de ssRBM bilinéaire (avec deux groupes de facteurs latents) et formulons le problème comme l’un de “pooling” dans des sous-espaces vectoriels complémentaires.

“Improved Feature Extraction and Classification Techniques for Multispectral Brain Magnetic Resonance Images”

Magnetic Resonance Imaging (MRI) is a multi sequence medical imaging technique in which stacks of images are acquired with different tissue contrasts. Simultaneous observation and quantitative analysis of normal brain tissues and small abnormalities from these large numbers of different sequences is a great challenge in clinical applications. Multispectral MRI analysis can simplify the job considerably by combining unlimited number of available co-registered sequences in a single suite. However, poor performance of the multispectral system with conventional image classification and segmentation methods makes it inappropriate for clinical analysis. Recent works in multispectral brain MRI analysis attempted to resolve this issue by improved feature extraction approaches, such as transform based methods, fuzzy approaches, algebraic techniques and so forth. Transform based feature extraction methods like Independent Component Analysis (ICA) and its extensions have been effectively used in recent studies to improve the performance of multispectral brain MRI analysis. However, these global transforms were found to be inefficient and inconsistent in identifying less frequently occurred features like small lesions, from large amount of MR data. The present thesis focuses on the improvement in ICA based feature extraction techniques to enhance the performance of multispectral brain MRI analysis. Methods using spectral clustering and wavelet transforms are proposed to resolve the inefficiency of ICA in identifying small abnormalities, and problems due to ICA over-completeness. Effectiveness of the new methods in brain tissue classification and segmentation is confirmed by a detailed quantitative and qualitative analysis with synthetic and clinical, normal and abnormal, data. In comparison to conventional classification techniques, proposed algorithms provide better performance in classification of normal brain tissues and significant small abnormalities.

Feature Extraction Methods Based on Linear Predictive Coding and Wavelet Packet Decomposition for Recognizing Spoken Words in Malayalam

Speech signals are one of the most important means of communication among the human beings. In this paper, a comparative study of two feature extraction techniques are carried out for recognizing speaker independent spoken isolated words. First one is a hybrid approach with Linear Predictive Coding (LPC) and Artificial Neural Networks (ANN) and the second method uses a combination of Wavelet Packet Decomposition (WPD) and Artificial Neural Networks. Voice signals are sampled directly from the microphone and then they are processed using these two techniques for extracting the features. Words from Malayalam, one of the four major Dravidian languages of southern India are chosen for recognition. Training, testing and pattern recognition are performed using Artificial Neural Networks. Back propagation method is used to train the ANN. The proposed method is implemented for 50 speakers uttering 20 isolated words each. Both the methods produce good recognition accuracy. But Wavelet Packet Decomposition is found to be more suitable for recognizing speech because of its multi-resolution characteristics and efficient time frequency localizations

Effectiveness Of Feature Detection Operators On The Performance Of Iris Biometric Recognition System

Iris Recognition is a highly efficient biometric identification system with great possibilities for future in the security systems area.Its robustness and unobtrusiveness, as opposed tomost of the currently deployed systems, make it a good candidate to replace most of thesecurity systems around. By making use of the distinctiveness of iris patterns, iris recognition systems obtain a unique mapping for each person. Identification of this person is possible by applying appropriate matching algorithm.In this paper, Daugman’s Rubber Sheet model is employed for irisnormalization and unwrapping, descriptive statistical analysis of different feature detection operators is performed, features extracted is encoded using Haar wavelets and for classification hammingdistance as a matching algorithm is used. The system was tested on the UBIRIS database. The edge detection algorithm, Canny, is found to be the best one to extract most of the iris texture. The success rate of feature detection using canny is 81%, False Accept Rate is 9% and False Reject Rate is 10%.