dc.contributor.advisor	Cruz Roa, Angel Alfonso
dc.contributor.author	León Vesga, Edilson Gabriel
dc.date.accessioned	2024-10-23T19:43:09Z
dc.date.available	2024-10-23T19:43:09Z
dc.date.issued	2018
dc.description	Incluye figuras, tablas y graficas.	spa
dc.description.abstract	En este documento se presenta un estudio comparativo de las capacidades de compresión y de reconstrucción de las transformadas discretas de Coseno (DCT), Wavelet (DWT) y Curvelet (FDCT) aplicadas en imágenes de histopatología en mapa de bits. A través de funciones de Matlab las imágenes son capturadas como variables y representadas en las diferentes transformadas por conjuntos de coeficientes que contienen la información no correlacionada de éstas, sobre los cuales se calculan distintos umbrales locales que responden a porcentajes específicos de conservación de la información, estableciendo los coeficientes que preservaran sus valores y los que se igualaran a cero, para posteriormente aplicar un proceso de reconstrucción haciendo uso de transformación inversa. Una vez obtenidas las reconstrucciones, se compararon objetivamente con las originales a través del cálculo de las métricas de evaluación de calidad PSNR y MSE y se seleccionaron los porcentajes de conservación a partir de los cuales se dieron reconstrucciones de alta calidad, realizando un proceso de compresión al almacenar las correspondientes matrices umbralizadas para estos porcentajes en matrices dispersas, calculando los valores de CR entre los tamaños ocupados en disco de la imagen original y la comprimida. Se obtuvieron mejores resultados de compresión con DWT, por encima de DCT y finalmente de FDCT, que genera una mayor cantidad de coeficientes en la representación en comparación con el número de datos de la imagen original. Los tiempos de procesamiento requeridos tanto en la representación como en la transformación inversa fueron muy aproximados entre DWT y DCT y mayores en FDCT, estableciendo que DWT es la transformada adecuada para la compresión en este tipo de imágenes.	spa
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero(a) de Sistemas
dc.description.notes	Trabajo de grado presentado como requisito parcial para optar al título de Ingeniero de Sistemas.	spa
dc.description.tableofcontents	1. Resumen. -- 2. Introducción. -- 3. Objetivos. -- 3.1. Objetivo general. -- 3.2. Objetivos específicos. -- 4. Marco teórico. -- 4.1. Imágenes médicas. -- 4.1.1. Imágenes de histopatología. -- 4.1.2. Megaimágenes. -- 4.2. Microscopía virtual. -- 4.3. Patología digital o computacional. -- 4.4. Representación de imágenes por transformación matemática. -- 4.5. Medidas de desempeño de la representación de imágenes. -- 4.5.1. Medidas de calidad de la reconstrucción. -- 4.5.2. Relación de compresión. -- 4.5.3. Desempeño computacional (tiempo de procesamiento). -- 4.6. Representación de imágenes basada en transformada discreta de coseno(dct). -- 4.7. Representación de imágenes basada en transformada discreta de wavelet (dwt). -- 4.8. Representación de imágenes basada en transformada discreta rápida de Curvelet (fdct). -- 4.8.1. La primera generación de la transformada curvelet. -- 4.8.2. La segunda generación de la transformada curvelet. -- 5. Metodología. -- 5.1. Conjunto de datos de histopatología. -- 5.2. Almacenamiento de la información de una imagen en Matlab. -- 5.3. Representación por transformada. -- 5.3.1. Representación por dct. -- 5.3.2. Representación por dwt. -- 5.3.3. Representación por fdct. -- 5.4. Umbralización. -- 5.4.1. Umbralización sobre la representación dct. -- 5.4.2. Umbralización sobre la representación dwt. -- 5.4.3. Umbralización sobre la representación fdct. -- 5.5. Reconstrucción. -- 5.5.1. Reconstrucción en dct. -- 5.5.2. Reconstrucción en dwt. -- 5.5.3. Reconstrucción en fdct. -- 5.6. Cálculo de métricas de la calidad de la reconstrucción, de la relación de compresión y de los tiempos de procesamiento. -- 6. Resultados. -- 6.1. Calidad de la reconstrucción. -- 6.1.1. Calidad de la reconstrucción para dct. -- 6.1.2. Calidad de la reconstrucción para dwt. -- 6.1.3. Calidad de la reconstrucción para fdct. -- 6.1.4. Comparación entre las transformadas. -- 6.2. Tiempos de procesamiento. -- 6.3. Relaciones de compresión. -- 7. Conclusiones. -- 8. Referencias bibliográficas.	spa
dc.format.extent	48 páginas
dc.format.mimetype	application/pdf
dc.identifier.citation	León Vesga, Edilson G. (2018). Evaluación de métodos de compresión de imágenes de histopatología a partir de las transformadas matemáticas discretas de coseno, wavelet y curvelet [Trabajo de grado, Universidad de los Llanos]. Repositorio digital Universidad de los Llanos.
dc.identifier.instname	Universidad de los Llanos
dc.identifier.reponame	Repositorio digital Universidad de los Llanos
dc.identifier.repourl	https://repositorio.unillanos.edu.co
dc.identifier.uri	https://repositorio.unillanos.edu.co/handle/001/4552
dc.language.iso	spa
dc.publisher	Universidad de los Llanos
dc.publisher.branch	Sede Barcelona
dc.publisher.faculty	Facultad de Ciencias Básicas e Ingeniería
dc.publisher.place	Villavicencio
dc.publisher.program	Ingeniería de Sistemas
dc.relation.references	R. E. Gutiérrez, "Compresión Selectiva en Imágenes Digitales de Microscopio en Patología," Tesis de Maestría en Ingeniería de Sistemas y Computación, Universidad Nacional de Colombia, Facultad de Ingeniería, Departamento de Sistemas e Industrial, 66 p., 2009.
dc.relation.references	V. J. Tuominen, J. Isola, “The Application of JPEG2000 in Virtual Microscopy,” Journal of Digital Imaging, Vol 22, No 3, pp. 250 – 258, 2009.
dc.relation.references	T. H. Oh, H. S. Lim, S. Y. Pang, “Medical Image Processing: From Lossless to Lossy Compression”, TENCON 2005 IEEE Region 10, pp. 1 – 6, Nov. 2005.
dc.relation.references	R. C. González, R. E. Woods, “Tratamiento digital de imágenes,” Madrid: Addison-Wesley, Díaz de Santos, 1996, Isbn 8479782749.
dc.relation.references	J. Arevalo, A. Cruz Roa, F. A. González, “Histopathology Image Representation For Automatic Analysis: A State-Of-The-Art Review,” Revista Med, vol. 22, number 2, pp. 79-91, 2014.
dc.relation.references	L. Roa-Peña, F. Gomez, E. Romero, “An experimental study of pathologist's navigation patterns in virtual microscopy,” Diagnostic pathology 5(1), 71, 2010.
dc.relation.references	B. Cambazoglu, O. Sertel, J. Kong, J. H. Saltz, M. N. Gurcan, U. V. Catalyurek, “Efficient processing of pathological images using the grid: Computer-aided prognosis of neuroblastoma,” Proc. Fifth Int. Workshop on Challenges of Large Applications in Distributed Environments, Monterey Bay, CA , pp. 35–41, 2007.
dc.relation.references	K. Kayser, G. Kayser , D. Radziszowski, A. Oehmann, “New Developments in Digital Pathology: from Telepathology to Virtual Pathology Laboratory,” Studies in health technology and informatics 105:61-9, 2004.
dc.relation.references	Kunio Doi, “Computer-aided diagnosis in medical imaging: Historical review, current status and future potential,” Computerized Medial Imaging and Graphics, Vol. 31, Issues 4-5, Pages 198–211, 2007.
dc.relation.references	P. A. Cuenca Castillo, “Codificación Y Transmisión Robusta De Señales De Vídeo Mpeg-2 de Caudal Variable Sobre Redes De Transmisión Asíncrona Atm,” Ediciones de la Universidad de Castilla-La Mancha, Colección: Tesis doctorales, 1a ed., 420 páginas, 1999.
dc.relation.references	The MathWorks, Inc., “Image Processing Toolbox,” available at [http://www.mathworks.com/help/toolbox/images/], accessed 27 February 2017.
dc.relation.references	R. Coomonte, “Sistema De Reconocimiento De Personas Mediante Su Patrón Del Iris Basado En La Transformada Wavelet,” Proyecto fin de carrera, E.T.S.I. Telecomunicación, Universidad Politécnica de Madrid, Departamento de Matemática Aplicada a las Tecnologías de la Información, Escuela Técnica Superior de Ingenieros de Telecomunicación, 2006.
dc.relation.references	J. L. Starck, F. Murtagh, J. M. Fadili, “Sparse image and signal processing: Wavelets, Curvelets, Morphological Diversity,” Cambridge University Press, 2010.
dc.relation.references	I. García Fenoll, “Aportaciones a la Segmentación y Caracterización de Imágenes Médicas 3D,” Proyecto Fin de Carrera Ingeniería de Telecomunicación, Universidad de Sevilla, 2010.
dc.relation.references	Y. T. Chen, D. C. Tseng, “Wavelet-based medical image compression with adaptive prediction,” Computerized Medical Imaging and Graphics 31, pp. 1–8, 2007.
dc.relation.references	V. J. Tuominen, J. Isola, “The Application of JPEG2000 in Virtual Microscopy,” Journal of Digital Imaging, Vol 22, No 3, pp. 250 – 258, 2009.
dc.relation.references	M. N. Gurcan, L. E. Boucheron, A. Can, A. Madabhushi, N. M. Rajpoot, B. Yener, “Histopathological Image Analysis: A Review,” IEEE Reviews in Biomedical Engineering, Vol. 2, pp. 147-171, 2009.
dc.relation.references	A. Can, M. Bello, H. E. Cline, X. Tao, F. Ginty, A. Sood, M. Gerdes, M. Montalto, “Multi-modal imaging of histological tissue sections,” en 5th IEEE Int. Symp. Biomed. Imag.: From Nano to Macro, pp. 288–291, 2008.
dc.relation.references	A. H. Fischer, K. A. Jacobson, J. Rose, R. Zeller, “Hematoxylin and Eosin Staining of Tissue and Cell Sections,” This protocol was adapted from “Preparation of Cells and Tissues for Fluorescence Microscopy,” Chapter 4, Basic Methods in Microscopy (eds. Spector and Goldman), Cold Spring Harbor Laboratory Press, Cold Spring Harbor, NY, USA, 2006.
dc.relation.references	K. KAYSER, G. KAYSER, D. RADZISZOWSKI, A. OEHMANN, “New developments in digital pathology: from telepathology to virtual pathology laboratory,” Stud Health Technol Inform 2004, 105:pp. 61-69.
dc.relation.references	M. H. Kim, Y. Park, D. Seo, Y. J. Lim, D. Kim, C. W. C. W. Kim, et al., “Virtual microscopy as a practical alternative to conventional microscopy in pathology education,” Basic Appl Pathol, 1:pp. 46-48, 2008.
dc.relation.references	H. Peng, “Bioimage informatics: a new area of engineering biology,” Bioinformatics, 24(17): pp. 1827–1836, 2008.
dc.relation.references	A. Cruz Roa, “An Automatic Knowledge Discovery Strategy In Biomedical Images,” Doctoral Thesis Proposal, Doctoral Program on Computer and Systems Engineering, Universidad Nacional de Colombia, November 2011.
dc.relation.references	M. E. Martone, A. Gupta, M. Wong, “A cell-centered database for electron tomographic data,” Journal of Structural Biology, 138, pp. 145–155, 2002.
dc.relation.references	M. E. Martone, S. Zhang, A. Gupta, X. Qian, “The cell-centered database,” Neuroinformatics, 2003.
dc.relation.references	M. E. Martone, J. Tran, W. W. Wong, “The cell centered database project: an update on building community resources for managing and sharing 3D imaging data,” Journal of Structural Biology, 2008.
dc.relation.references	P. D. Stenson, M. Mort, E. V. Ball, K. Howells, A. D. Phillips, N. Thomas, D. N. Cooper, “The human gene mutation database: 2008 update,” Genome Medicine, 1:13, 2009.
dc.relation.references	The University of Michigan School, “Medical Histology an Virtual Microscopy Learning Resources,” available at [http://histology.medicine.umich.edu/], accessed 27 February 2017.
dc.relation.references	The University of Iowa, Department of Pathology, “The virtual Slidebox,” available at [http://www.mbfbioscience.com/iowavirtualslidebox] accessed 27 February 2017.
dc.relation.references	The University of New South Wales, Sydney, Australia, “The USNW Virtual Slide Repository,” Available at [https://vslides.unsw.edu.au/], accessed 27 February 2017.
dc.relation.references	The University of Leeds, “Virtual Pathology at the University of Leeds,” available at [http://www.virtualpathology.leeds.ac.uk/slides/], accessed 27 February 2017.
dc.relation.references	The University of Indiana, “Slide for Junqueira’s Basic Histology,” available at [http://medsci.indiana.edu/junqueira/virtual/junqueira.htm], accessed 27 February 2017.
dc.relation.references	The International Academy of Cytology, “Virtual Slide Library,” available at [http://www.cytology-iac.org/educational-resources/virtual-slide-library], accessed 27 February 2017.
dc.relation.references	New York University, “NYU Virtual Microscope BETA 5,” available at [http://cloud.med.nyu.edu/virtualmicroscope/], accessed 27 February 2017.
dc.relation.references	E. Romero, F. Gómez, M. Iregui, “Virtual microscopy in medical images: A survey,” Microscopy Book Series, Modern research and educational topics in microscopy, Badajoz: Formatex, pp. 996-11, 2007.
dc.relation.references	W. E. Khalbus, L. Pantanowitz, A. V. Parwani, “Digital imaging in cytopathology,” Patholog Res Int 2011; 2011:264683.
dc.relation.references	P. Fontelo, E. DiNino, J. Krista, A. Khan, M. Ackerman, “Virtual Microscopy: Potential Applications in Medical Education and Telemedicine in Countries with Developing Economies,” Proceedings of the 38th Hawaii International Conference on System Sciences, 2005.
dc.relation.references	F. R. Dee, “Virtual Microscopy in pathology education,” Human Pathology, Vol. 40, Issue 8, pp. 1112-1121, August 2009.
dc.relation.references	“Handling and preservation of color slide collections,” The Permanence and Care of Color Photographs, Chapter 18, pp. 625-654.
dc.relation.references	P. C. Mills, A. P. Bradley, P. F. Woodall, M. Wildermoth, “Teaching histology to first-year veterinary science students using virtual microscopy and traditional microscopy: A comparison of student responses,” J Vet Med Educ, 34:pp. 177– 182, 2007.
dc.relation.references	T. J. Fuchs, J. M. Buhmann, “Computational pathology: Challenges and promises for tissue analysis,” Comput Med Imaging Graph, 2011.
dc.relation.references	A. Madabhushi, “Digital pathology image analysis: opportunities and challenges,” Imaging Med. 1(1), pp. 7–10, 2009.
dc.relation.references	M. García Rojo, G. Bueno García, J. González García, M. Carbajo Vicente, “Preparaciones digitales en los servicios de Anatomía Patolorgica (I). Aspectos básicos de imagen digital,” Revista Española de Patología” Vol 38, No 2, pp. 69- 77, 2005.
dc.relation.references	P. T. Noreña, “Representación Eficiente de Imágenes Volumetricas de Resonancia Magnética Cardiaca (CMR) Usando JPEG2000,” Tesis de Maestría en Ingeniería Biomédica, Universidad Nacional de Colombia, Facultad de Ingeniería, Departamento de Sistemas e Industrial, 2011.
dc.relation.references	D. S. Taubman, M. W. Marcellin, “JPEG2000 Image Compression Fundamentals, Standards and Practice,” London: Kluwer Academic Publishers, 2002.
dc.relation.references	Z. Wang, A. C. Bovik, H. R. Sheikh, E. P. Simoncelli, “Image Quality Assessment: From Error Visibility to Structural Similarity,” IEEE Transactions On Image Processing, Vol. 13, No. 4, APRIL 2004.
dc.relation.references	A. Naït-Ali, C. Cavaro-Menard, “Compression of Biomedical Images and Signals,” ISTE-John Wiley and Sons, London, 2008.
dc.relation.references	J. E. Victorino Guzmán, “Representación eficiente de una base de datos de imágenes 4D de resonancia magnética cardíaca,” Tesis para Maestría en Ingeniería de Sistemas y Computación. Universidad Nacional de Colombia, 2011.
dc.relation.references	N. Ahmed, T. Natarajan, K. R. Rao, “Discrete cosine transform,” IEEE Trans. on Computers, 23:pp. 88–93, January 1974.
dc.relation.references	“Introducción a la Transformada Wavelets. Descomposición de Señales” available at http://www.exa.unicen.edu.ar/escuelapav/cursos/wavelets/apunte.pdf, accessed 27 February 2017.
dc.relation.references	M. S. Joshi, R. R. Manthalkar, Y. V. Joshi, "Image Compression Using Curvelet, Ridgelet and Wavelet Transform, A Comparative Study," ICGST-GVIP, Vol. 8, Issue 3, pp. 25 -34, October 2008.
dc.relation.references	Mohamed Meselhy Eltoukhy, Ibrahima Faye, Brahim Belhaouari Samir, “A comparison of wavelet and curvelet for breast cancer diagnosis in digital mammogram”, Computers in Biology and Medicine, Volume 40, Issue 4, April 2010, Pages 384-391, ISSN 0010-4825.
dc.relation.references	E. Candés, L. Demanet, D. Donoho, L. Ying, “Fast Discrete Curvelet Transforms”, Applied and computational mathematics, California Institute of Technology, pp. 1–44, 2005.
dc.rights	Derechos reservados-Universidad de los Llanos, 2018	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposal	Representación de imágenes	spa
dc.subject.proposal	Ley de escala parabólica	spa
dc.subject.proposal	Análisis matemático	spa
dc.subject.proposal	Imágenes de histopatología	spa
dc.title	Evaluación de métodos de compresión de imágenes de histopatología a partir de las transformadas matemáticas discretas de coseno, wavelet y curvelet	spa
dc.type	Trabajo de grado - Pregrado
dc.type.category	Proyectos de investigación
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
dspace.entity.type	Publication
person.identifier.cvlac	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000629650
person.identifier.orcid	0000-0003-3389-8913
relation.isDirectorOfPublication	d0bc1d74-eceb-4ddd-9df7-0d4ad521b2d3
relation.isDirectorOfPublication.latestForDiscovery	d0bc1d74-eceb-4ddd-9df7-0d4ad521b2d3

Publicación: Evaluación de métodos de compresión de imágenes de histopatología a partir de las transformadas matemáticas discretas de coseno, wavelet y curvelet

Archivos

Bloque original

Bloque de licencias

Colecciones

Publicación:
Evaluación de métodos de compresión de imágenes de histopatología a partir de las transformadas matemáticas discretas de coseno, wavelet y curvelet