Title

Automatic mapping magnetic resonance images into multimedia database using SIFT

Author

JENNIFER LYNN REYNOSO MUÑOZ

ALMA DELIA CUEVAS RASGADO

Farid García Lamont

ADOLFO GUZMAN ARENAS

Access level

Open Access

Summary or description

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

Publisher

IEEE LATIN AMERICA TRANSACTIONS,

Publish date

August 1, 2015

Publication type

Article

Source

1548-0992

Language

Spanish

Audience

Students

Researchers

Source repository

REPOSITORIO INSTITUCIONAL DE LA UAEM

Downloads

178

Comments



You need to sign in or sign up to comment.