Author: ALMA DELIA CUEVAS RASGADO

Automatic mapping magnetic resonance images into multimedia database using SIFT

JENNIFER LYNN REYNOSO MUÑOZ ALMA DELIA CUEVAS RASGADO Farid García Lamont ADOLFO GUZMAN ARENAS (2015)

This paper focuses on the representation of magnetic resonances of different parts of the human body, such as knees, spinal column, arms, elbows, etc., using ontologies. First, it maps the resonance images in a multimedia database. Then, automatically, using the SIFT pattern recognition algorithm, descriptors of the images stored in the database are extracted in order to recover useful data for the user; it uses the ontologies as an artificial intelligence tool and, in consequence, reduces generation of useless data. Why do we think this is an interesting task? Because, if the user requires information about any topics or (s)he has some illness or needs to undergo magnetic resonance, this tool will show him/her images and text to convey a better understanding, helping to obtain useful conclusions. Artificial intelligence techniques are used, such as machine learning, knowledge representation, and pattern recognition. The ontological relations introduced here are based on the common representation of language, using definition dictionaries, Roget’s thesaurus, synonym dictionaries, and other resources. The system generates an output in the OM ontological language [1]. This language represents a structure where our system adds the data scanned by the SIFT algorithm. The tests have been made in Spanish; however, thanks to the portability of our system, it is possible to extend the method to any language.

Proyecto UAEM 3454CHT/2013

Article

artificial intelligence ontology multimedia database pattern recognition magnetic resonance INGENIERÍA Y TECNOLOGÍA

Automatic mapping magnetic resonance images into multimedia database using SIFT

JENNIFER LYNN REYNOSO MUÑOZ ALMA DELIA CUEVAS RASGADO Farid García Lamont ADOLFO GUZMAN ARENAS (2015)

I. INTRODUCCIÓN STE proyecto de representación de la información a través de ontologías, analiza las imágenes de una base de datos multimedia, la cual contiene imágenes de tomografías, resonancia magnética de rodillas, brazos, columna vertebral (por citar algunas) con su descripción en texto y las ubica de manera automática en una ontología, que es nuestra base de conocimiento. Una ontología es un hipergrafo dirigido con vértices relacionados mediante aristas. En ella, un vértice representa un concepto o idea, mientras que un enlace representa la relación entre los vértices que une. Las características o propiedades de un concepto también se representan con aristas emanando del nodo correspondiente (Fig. 5). Nuestro sistema extrae imágenes de la base de datos multimedia, y coloca automáticamente cada imagen en el nodo correspondiente en la ontología, atendiendo a la categoría del objeto extraído. Esta ontología así enriquecida con imágenes es útil para consultas en comercio electrónico, aplicaciones 1 J. L. Reynoso, Universidad Autónoma del Estado de México, lynnreynoso@gmail.com. A. D. Cuevas, Universidad Autónoma del Estado de México, almadeliacuevas@gmail.com. F. García, Universidad Autónoma del Estado de México, fgarcial@uaemex.mx. A. Guzmán, Centro de Investigación en Computación del IPN , aguzman@ieee.org. médicas, rostros de criminales, marcas registradas, imágenes satelitales, etc. Para el reconocimiento de imágenes se usa el algoritmo SIFT (Scale Invariant Feature Transform) que extrae puntos clave que describen o modelan a los objetos en la escena [2]. Se construye un conjunto de entrenamiento que contiene los puntos clave extraídos de diferentes imágenes de objetos que se desean reconocer, en este caso, resonancias magnéticas de diferentes partes del cuerpo. En la fase de reconocimiento, a una imagen nueva se le extraen sus puntos clave y se comparan con los almacenados en el conjunto de entrenamiento para poder reconocer el objeto que aparece en la imagen. Es importante mencionar que los puntos clave son invariantes a la escala, rotación, pequeños cambios de iluminación y en la dirección de la vista, lo que hace que el reconocimiento sea robusto, hasta cierto punto. Además del algoritmo de reconocimiento de patrones y la carga automática de las imágenes de acuerdo al concepto al que pertenece, una interfaz del sistema permite a un usuario no sofisticado poder consultar las características de cada concept o y con ello su imagen. Está dirigido por ejemplo a usuarios no especializados en temas de medicina o a estudiantes de medicina que, por fines didácticos, pueden buscar información sobre un padecimiento a lo cual, una interfaz presenta información en texto estructurado como la glosa del concepto, palabras, idiomas, propiedades o características, imagen, nodos antecesores y sucesores en la ontología. La organización de este trabajo es la siguiente: En la sección I se presenta una introducción al tema, en la II se explica la principal idea que motivó nuestro desarrollo. En la sección III se presentan los conceptos básicos usados. La sección IV contiene los trabajos relacionados. En la sección V se presenta la metodología utilizada para el desarrollo del sistema. La sección VI contiene pruebas con los ejemplos de resonancia magnética de rodilla y resonancia magnética de columna lumbar, cráneo, brazo, pierna y mama. En la sección VII se muestran los resultados obtenidos de acuerdo a textos e imágenes analizadas. Las conclusiones aparecen en la sección VIII.

This paper focuses on the representation of magnetic resonances of different parts of the human body, such as knees, spinal column, arms, elbows, etc., using ontologies. First, it maps the resonance im ages in a multimedia database. Then, automatically, using the SIFT pattern recognition algorithm, descriptors of the images stored in the database ar e extracted in order to recover useful data for the user; it use s the ontologies as an artificial intelligence tool and, in consequen ce, reduces generation of useless data. Why do we think this is an interesting task? Because, if the user requires information abo ut any topics or (s)he has some illness or needs to undergo magnet ic resonance, this tool will show him /her images and text to conve y a better understanding, helping t o obtain useful conclusions. Artificial intelligence techniques are used, such as machine learning, knowledge representat ion, and pattern recognition. The ontological relations introduced here are based on the common representation of language , using definition dictionarie s, Roget’s thesaurus, synonym dictionaries, and other resources The system generates an output in the OM ontological language [1]. This language represents a structure where our system adds the data scanned by the SIFT algorithm. The tests have been made in Spanish; however, thanks to the portability of our system, it is possible to extend the method to any language.

Sistema Nacional de Investigadores SNI, El Consejo Nacional de Ciencia y Tecnología CONACYT del gobierno Mexicano, La Secretaría de Investigación y Posgrado del Instituto Politécnico Nacional SIP-IPN. Universidad Autónoma del Estado de México, Centro Universitario Texcoco La Secretaría de Investigación y Estudios Avanzados SIEA. El proyecto: 3454CHT/2013

Article

artificial intelligence ontology multimedia database pattern recognition magnetic resonance INGENIERÍA Y TECNOLOGÍA

AnaPro, Tool for Identification and Resolution of Direct Anaphora in Spanish

JOSE IVAN TOLEDO GOMEZ Enrique Valtierra Romero ADOLFO GUZMAN ARENAS ALMA DELIA CUEVAS RASGADO LAURA MENDEZ SEGUNDO (2014)

AnaPro is software that solves direct anaphora in Spanish, specifically pronouns: it finds the noun or group of words to which the pronoun refers. It locates in the previous sentenc es the referent or antecedent which the pronoun replaces. An example of a direct anaphora solved is the pronoun he in the sentence He is sad. Much of the work on anaphora has been done for texts in English; thus , we specifically focus on Spanish documents. AnaPro directly supports text analys is (to understand what a document says ), a non trivial task since there are different writing styles, references, idiomatic expressions, etc. The problem grows if t he analyzer is a computer, because they lack common sense (which persons possess) . Hence, before text analysis, its preprocessing is required, in order to assign tags (noun, verb,...) to each word, find the stems, disambiguate nouns, verbs, prepositions, identify colloquial expressions, i dentify and resolve anaphor a, among other chores. AnaPro works for Spanish sentences. It is a novel procedure, since it is automatic (no user intervenes during the resolution) and it does not need dictionaries. It employs heu ristics procedures to discover the semantics and help in the decisions; they are rather easy to implement and use li mited knowledge. Nevertheless, its results are good (81% of correct answers, at least). However, more tests will give a better idea of its goodness.

Article

Ingeniería I2 Artificial Intelligence I27 Natural Language processing Text Analysis Anaphora resolution INGENIERÍA Y TECNOLOGÍA