Protecció dels dret de copia en imatges digitals

L'objectiu principal d'aquest treball consisteix a aconseguir i documentar algun tipus de sistema que permeti encastar, a una imatge digital, un codi que la identifiqui respecte de la resta de les còpies i que no comporti un canvi visual en la imatge.

Estimació de la massa d'un porc a partir de l'anàlisi d'imatges digitals

El programa permet estimar la massa d'un porc a partir de sis longituds (la llargada i l'amplada en cinc posicions corresponents a espatlla, abdomen i malucs) obtingudes en una imatge digital de l'animal amb la càmera situada en posició zenital. S'adjunten dos conjunts de dades de referència que permeten obtenir l'equació que relaciona la massa del porc amb el seu volum, considerat com una esfera o un cilindre. Manual d'us: Per a usar el programa només cal indicar en la primera secció de codi el nom del fitxer de dades que es vol importar per generar el model pes / volum i en la darrera de totes, la llargada i les cinc amplades (en cm) del porc per al qual es vol estimar la massa.

Les Imatges digitals en l'ensenyament de la Història de l'art: base de dades d'imatges d'art contemporani

L’objectiu d’aquesta comunicació és presentar el treball que s’ha vingut desenvolupant al llarg dels darrers anys en els estudis d’Història de l’art de la Universitat de Girona, i més concretament entorn de l’àrea de coneixement d’Art contemporani. Aquest treball, emmarcat en diversos programes d’innovació docent, va consistir, en una primera fase, en la digitalització del material visual utilitzat en la docència (les anteriors diapositives); i en la fase que actualment estem desenvolupant, en la creació i posta en marxa d’una Base d’imatges d’art contemporani en línia, que està actualment en fase de proves. Des del punt de vista docent, aquest projecte posa èmfasi en l’aspecte que nosaltres considerem clau en l’àmbit de la nostra tasca docent: el que hem intentat és crear una eina que faciliti la tasca dels nostres estudiants posant a la seva disposició tot el material visual treballat a les classes, de manera que el seu procés d’aprenentatge esdevingui molt més autònom i individualitzat. La valoració que els estudiants han fet de les fases del projecte executades fins ara ha estat molt positiva, i per això creiem que aquest projecte continua essent vàlid per al seu desenvolupament futur. Així mateix, aquesta eina s’està mostrant també molt útil pel que fa a temes de recerca, tant per als docents com per els estudiants, i voldríem aprofundir també en aquesta direcció. En la propera fase el que pretenem és afavorir molt més la implicació de l’estudiant, ja que posant al seu abast més recursos, esperem que els utilitzi també de forma més autònoma i creativa, i que això tingui una repercussió positiva en el seu procés d’aprenentatge. Així mateix, i partint del fet que tot aquest material serà disponible on-line, pretenem explorar les possibilitats de connectar el nostre recurs amb altres de similars que puguin altres universitats, amb l’objectiu d’optimitzar-ne l’ús i les potencialitats

Editor de imágenes por capas y con anotaciones

El proyecto se desarrolla en el marco de un convenio de colaboración entre la Universitat Autònoma de Barcelona y la empresa UNIT4 en las oficinas de UNIT4 Ibérica en Barberà del Vallès. El proyecto tiene por finalidad crear un control que permita la edición de imágenes mediante capas y anotaciones, que se añadirá al software de gestión empresarial que comercializa UNIT4. Este control está desarrollado en la plataforma Java.

Estudi GPGPU dedicat al processament de neuroimatges

La tecnologia GPGPU permet paral∙lelitzar càlculs executant operacions aritmètiques en els múltiples processadors de que disposen els xips gràfics. S'ha fet servir l'entorn de desenvolupament CUDA de la companyia NVIDIA, que actualment és la solució GPGPU més avançada del mercat. L'algorisme de neuroimatge implementat pertany a un estudi VBM desenvolupat amb l'eina SPM. Es tracta concretament del procés de segmentació d'imatges de ressonància magnètica cerebrals, en els diferents teixits dels quals es composa el cervell: matèria blanca, matèria grisa i líquid cefaloraquidi. S'han implementat models en els llenguatges Matlab, C i CUDA, i s'ha fet un estudi comparatiu per plataformes hardware diferents.

Caracterització i diagnosi de masses en imatges de mamografia

Els objectius del projecte es divideixen en tres blocs: Primerament, realitzar unasegmentació automàtica del contorn d'una imatge on hi ha una massa central. Tot seguit, a partir del contorn trobat, caracteritzar la massa. I finalment, utilitzant les característiques anteriors classificar la massa en benigne o maligne. En el projecte s'utilitza el Matlab com a eina de programació. Concretament les funcions enfocades al processat de imatges del toolbox de Image processing (propi de Matlab) i els classificadors de la PRTools de la Delft University of Technology

Caracterització i diagnosi de masses en imatges de mamografia

Els objectius del projecte es divideixen en tres blocs: Primerament, realitzar una segmentació automàtica del contorn d'una imatge on hi ha una massa central. Tot seguit, a partir del contorn trobat, caracteritzar la massa. I finalment, utilitzant les característiques anteriors classificar la massa en benigne o maligne. En el projecte s'utilitza el Matlab com a eina de programació. Concretament les funcions enfocades al processat de imatges del toolbox de Image processing (propi de Matlab) i els classificadors de la PRTools de la Delft University of Technology

Metodologia a seguir per la reconstrucció d’imatges mèdiques i la seva transformació en geometries mallades per a l’ús computacional

Estudi elaborat a partir d’una estada a l'Imperial College of London, Gran Bretanya, entre setembre i desembre 2006. Disposar d'una geometria bona i ben definida és essencial per a poder resoldre eficientment molts dels models computacionals i poder obtenir uns resultats comparables a la realitat del problema. La reconstrucció d'imatges mèdiques permet transformar les imatges obtingudes amb tècniques de captació a geometries en formats de dades numèriques . En aquest text s'explica de forma qualitativa les diverses etapes que formen el procés de reconstrucció d'imatges mèdiques fins a finalment obtenir una malla triangular per a poder‐la processar en els algoritmes de càlcul. Aquest procés s'inicia a l'escàner MRI de The Royal Brompton Hospital de Londres del que s'obtenen imatges per a després poder‐les processar amb les eines CONGEN10 i SURFGEN per a un entorn MATLAB. Aquestes eines les han desenvolupat investigadors del Bioflow group del departament d'enginyeria aeronàutica del Imperial College of London i en l'ultim apartat del text es comenta un exemple d'una artèria que entra com a imatge mèdica i surt com a malla triangular processable amb qualsevol programari o algoritme que treballi amb malles.

Desenvolupament d'una plataforma web per a integrar serveis de neuroimatge al PIC (Port d'Informació Científica)

El projecte ha consistit en el disseny i implementació d'una arquitectura/plataforma d'integració dels serveis d'emmagatzemament i postprocessament d'imatge mèdica que oferix el grup així com la visualització, anonimització, transferència d'arxius... basat en una interfície web com a frontend de la plataforma. Els servis que requereixen interacció gràfica han estat implementats mitjançant tècniques d'exportació d'escriptori remotament a la web i altres s'han implementat per tal que funcionin amb el cluster de màquines del que disposa el PIC.

Implementación de aplicaciones y herramientas de post-procesamiento de imágenes médicas vía web

Con la creciente generación de resonancias magnéticas, los servicios de radiología necesitan aplicaciones que les faciliten el trabajo de acceso remoto a los datos y a las herramientas que utilicen para la extracción de datos para realizar sus diagnósticos. El objetivo de este proyecto es el de estudiar e integrar en la plataforma web del grupo de Imagen Médica del PIC llamada PICNIC (PIC NeuroImaging Center) un conjunto de aplicaciones para el estudio y procesamiento de neuroimagen con la implementación de herramientas software en la plataforma grid del PIC.

Automatic classification of breast density

A recent trend in digital mammography is computer-aided diagnosis systems, which are computerised tools designed to assist radiologists. Most of these systems are used for the automatic detection of abnormalities. However, recent studies have shown that their sensitivity is significantly decreased as the density of the breast increases. This dependence is method specific. In this paper we propose a new approach to the classification of mammographic images according to their breast parenchymal density. Our classification uses information extracted from segmentation results and is based on the underlying breast tissue texture. Classification performance was based on a large set of digitised mammograms. Evaluation involves different classifiers and uses a leave-one-out methodology. Results demonstrate the feasibility of estimating breast density using image processing and analysis techniques

Integració d’un visualitzador de volums en una plataforma de reconstrucció de mapes de fibres del cervell

Estudi, disseny i implementació d’un algorisme de visualització de volums i integrar-lo en la plataforma DTIWeb de visualització i processament de dades de DTI. La plataforma DTIWeb és una plataforma desenvolupada conjuntament entre el Laboratori de Gràfics i Imatge de la Universitat de Girona i d’Institut de Diagnòstic per la imatge de l’Hospital Josep Trueta de Girona. Aquesta plataforma integra els mètodes bàsics de reconstrucció de fibres del cervell. La principal limitació de la plataforma és que no suporta la visualització de models 3D. Aquest fet limita el seu us en la pràctica clínica habitual ja que es fa difícil la interpretació dels mapes de connectivitat que genera

A Novel Breast Tissue Density Classification Methodology

It has been shown that the accuracy of mammographic abnormality detection methods is strongly dependent on the breast tissue characteristics, where a dense breast drastically reduces detection sensitivity. In addition, breast tissue density is widely accepted to be an important risk indicator for the development of breast cancer. Here, we describe the development of an automatic breast tissue classification methodology, which can be summarized in a number of distinct steps: 1) the segmentation of the breast area into fatty versus dense mammographic tissue; 2) the extraction of morphological and texture features from the segmented breast areas; and 3) the use of a Bayesian combination of a number of classifiers. The evaluation, based on a large number of cases from two different mammographic data sets, shows a strong correlation ( and 0.67 for the two data sets) between automatic and expert-based Breast Imaging Reporting and Data System mammographic density assessment

QDIUS2 (Query Device Information Using Specific Sensors)

QDius2 és una aplicació pensada per a persones amb discapacitat visual. Consisteix en realitzar una descripció verbalitzada de l’estat d’un electrodomèstic utilitzant un dispositiu mòbil amb sistema operatiu Android. L’aplicació guiarà verbalment l’usuari perquè pugui enfocar el panell de control de l’electrodomèstic amb la càmera. Es processarà la imatge obtinguda per extreure la seva informació, ja sigui en el mateix mòbil o al núvol, segons les preferències de l’usuari, i es llegirà la informació resultant. Aquest projecte està dividit en vuit memòries, una per a cada integrant del grup.

A new approach to the classification of mammographic masses and normal breast tissue

A new approach to mammographic mass detection is presented in this paper. Although different algorithms have been proposed for such a task, most of them are application dependent. In contrast, our approach makes use of a kindred topic in computer vision adapted to our particular problem. In this sense, we translate the eigenfaces approach for face detection/classification problems to a mass detection. Two different databases were used to show the robustness of the approach. The first one consisted on a set of 160 regions of interest (RoIs) extracted from the MIAS database, being 40 of them with confirmed masses and the rest normal tissue. The second set of RoIs was extracted from the DDSM database, and contained 196 RoIs containing masses and 392 with normal, but suspicious regions. Initial results demonstrate the feasibility of using such approach with performances comparable to other algorithms, with the advantage of being a more general, simple and cost-effective approach