Identification of multiple sclerosis brain lesions in magnetic resonance imaging using texture analysis
dc.contributor.author | Aldana Ramírez, César Augusto | spa |
dc.contributor.author | Orozco Higuera, Nelson Fabián | spa |
dc.contributor.author | Barreto Melo, Samuel | spa |
dc.date | 2014-12-01 | |
dc.date.accessioned | 2019-09-19T21:44:33Z | |
dc.date.available | 2019-09-19T21:44:33Z | |
dc.description | La esclerosis múltiple (EM) es una enfermedad neurodegenerativa que ataca al sistema nervioso central (SNC), produce lesiones desmielinizantes y causa secuelas funcionales en adultos jóvenes, especialmente mujeres. Su diagnóstico y seguimiento se realizan a través de la resonancia magnética. En la actualidad, el análisis de texturas se ha convertido en una herramienta útil para la detección de este tipo lesiones. Por tal razón, en este artículo se busca identificar lesiones de EM utilizando los métodos de matrices de co-ocurrencia de nivel de gris y transformada wavelet (TW), y como métodos de clasificación redes neuronales (ANN) y máquinas de soporte vectorial (SVM) en imágenes de resonancia magnética (RMI) en secuencia FLAIR de 5 pacientes con diagnóstico de la enfermedad. La combinación apropiada de medidas de matrices de co-ocurrencia y wavelets permitieron obtener precisiones superiores a 96% para las máquinas de soporte vectorial y 90% para las redes neuronales, lo que demuestra que el uso combinado de dichas medidas es superior en la detección de estas lesiones | en-US |
dc.description | La esclerosis múltiple (EM) es una enfermedad neurodegenerativa que ataca al sistema nervioso central (SNC), produce lesiones desmielinizantes y causa secuelas funcionales en adultos jóvenes, especialmente mujeres. Su diagnóstico y seguimiento se realizan a través de la resonancia magnética. En la actualidad, el análisis de texturas se ha convertido en una herramienta útil para la detección de este tipo lesiones. Por tal razón, en este artículo se busca identificar lesiones de EM utilizando los métodos de matrices de co-ocurrencia de nivel de gris y transformada wavelet (TW), y como métodos de clasificación redes neuronales (ANN) y máquinas de soporte vectorial (SVM) en imágenes de resonancia magnética (RMI) en secuencia FLAIR de 5 pacientes con diagnóstico de la enfermedad. La combinación apropiada de medidas de matrices de co-ocurrencia y wavelets permitieron obtener precisiones superiores a 96% para las máquinas de soporte vectorial y 90% para las redes neuronales, lo que demuestra que el uso combinado de dichas medidas es superior en la detección de estas lesiones. | es-ES |
dc.format | application/pdf | |
dc.identifier | https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/8160 | |
dc.identifier | 10.14483/udistrital.jour.tecnura.2014.SE1.a07 | |
dc.identifier.uri | http://hdl.handle.net/11349/20793 | |
dc.language | spa | |
dc.publisher | Universidad Distrital Francisco José de Caldas. Colombia | es-ES |
dc.relation | https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/8160/9813 | |
dc.rights | Derechos de autor 2015 Revista Tecnura | es-ES |
dc.source | Tecnura Journal; Vol 18 (2014): Special Edition; 89-102 | en-US |
dc.source | Tecnura; Vol. 18 (2014): Edición Especial; 89-102 | es-ES |
dc.source | 2248-7638 | |
dc.source | 0123-921X | |
dc.title | Identification of multiple sclerosis brain lesions in magnetic resonance imaging using texture analysis | en-US |
dc.title | Identificación de lesiones cerebrales de esclerosis múltiple en imágenes de resonancia magnética mediante análisis de textura | es-ES |
dc.type | info:eu-repo/semantics/article | |
dc.type | info:eu-repo/semantics/publishedVersion |