Ttulo:

Depuracin de Imgenes Mdicas a travs de La Tcnica de

Umbralamiento
Autor:
Chuquiruna Velsquez Edgar Carlos

PLAN DE INVESTIGACIN
1. Antecedentes y Justificacin del Problema
Nuestra civilizacin tecnolgica enfrenta permanentemente el desafo de reducir el
volumen ocupado por la informacin que ella misma ha generado y genera, sin ello
afectar la calidad de su contenido. Por ejemplo, una base de datos biomtrica con
huellas digitales, necesitar gran cantidad de espacio de memoria para su
almacenamiento, esta podra reducirse mediante el procedimiento de compresin y
depuracin de tal informacin. Si la informacin constituye de imgenes naturales
(aquellas que se obtienen directamente de la realidad, sin ser modificadas,
arregladas o editadas), el depuramiento de ellas, puede considerarse como un
problema a resolver. A. Levin and B. Nadler (ao no especificado).
El depuramiento de una imagen natural es definido como el problema de estimar
una versin limpia de una imagen corrupta con ruido; dado conocimiento a priori, la
seal desconocida original es una imagen natural, es decir, se trata de recuperar una
imagen verdadera con ruido observado, W. Zhou and Tony Chan(2006).
Existen muchas tcnicas para resolver el problema de depuramiento de imgenes,
como son mediante: transformaciones geomtricas, filtros, transformada wavelets,
programas computacionales (software), interpolacin bicbica, umbralamiento etc.
En particular la tcnica de umbralamiento consiste en usar la trasformada wavelet
para discretizar la imagen y as umbralizar para separar el ruido de la imagen,
reconstruirla con la transformada inversa, obteniendo as la imagen depurada, que en
nuestro caso es una imagen mdica.
Respecto de la tcnica de depuramiento que usa la transformada wavelet; grosso
modo, podemos decir que; la wavelet son funciones que satisfacen ciertos
requerimientos matemticos y son usados para representar datos u otras funciones.
Esta idea no es nueva. Aproximacin usando superposicin de funciones ha existido
desde los principios de 1800, cuando Joseph Fourier descubri que se poda

superponer senos y cosenos para representar otras funciones. Sin embargo en

anlisis wavelet la escala que usamos para mirar datos juega un papel especial.
Algoritmos wavelets procesan datos en diferentes escalas o resoluciones. Si
miramos la seal con una ventana grande deberamos observar ciertas facciones.
Anlogamente, si vemos una seal como una pequea ventana deberamos observar
pequeas facciones. El precursor de la teora wavelet fue Alfred Haar (1885 a 1933),
quien en 1904 hace sus investigaciones bajo la orientacin de Hilbert, doctorndose
en 1909 con la tesis On the theory of ortogonal functions systems (Trabajo donde
plasma la idea inicial de wavelet).
Hoy en da con el avance de la tecnolgica y el constante desarrollo de equipo
mdico, las imgenes mdicas tienen un papel muy importante en la prevencin y el
diagnstico de numerosas enfermedades, sin embargo en la mayora de los casos,
estas imgenes no es posible visualizarse ntidamente, y los detalles de la calidad de
la imagen, no ayudan en el diagnstico preciso. Un ejemplo muy claro es el cncer
de mama, y como se sabe, en el Per es la causa ms comn de muerte, entre las
mujeres.
Actualmente la depuracin de imgenes se aplica con xito en diferentes reas de la
ciencia y la tecnologa. La depuracin de imgenes en la medicina es importante
pues permite el resultado ms exacto posible sobre el diagnstico del cncer.
2. Problema
Cul es la influencia de la tcnica de umbralamiento sobre la depuracin de
imgenes mdicas?
3. Hiptesis
Dada una imagen natural X, en escala de grises, X L 2 (R2), si es posible realizar
una depuracin de X usando la tcnica de umbralamiento, el cual provee de un
anlisis ms preciso de la enfermedad del paciente y un diagnstico ms efectivo de
la salud del paciente.
Consideramos a X como una imagen natural, en el sentido que ella ha sido extrada
de nuestro entorno y no ha sido modificada a travs de alguna tcnica de
procesamiento de imgenes.
4. Diseo de Investigacin

a) Objeto de Estudio: Realidad a Investigar

El objeto de estudio son las imgenes mdicas. Conceptualmente este problema
consiste en lo siguiente:
Obtener una imagen mdica no depurada, aplicarle la tcnica umbralamiento
para depuracin de imgenes, con el fin de eliminar el ruido que impide un
anlisis exacto del estado del paciente y provea al mdico de criterios eficaces
para la pronta recuperacin de sus pacientes.
El diseo de Contrastacin que se emplear es Pre- experimental: post prueba
con un solo grupo.
La Poblacin es: La Teora de Wavelets.
La Muestra es: Las imgenes mdicas en procesamiento de imgenes.
b) Equipos, instrumentos o fuentes de dato
1. Imgenes mdicas no depuradas.
2. Radigrafos, equipos de resonancia magntica, ecgrafos, tomgrafos, etc.
3. tiles de escritorio.
4. Pizarra.
5. Internet computador.
c) Mtodos y tcnicas
Como el problema a investigar es terico, no se recolecta datos. En tal caso
cabe mencionar las distintas actividades a realizar:
1. Estudio de la teora de wavelets.
2. Estudio de imgenes e imgenes mdicas, ruido de una imagen.
3. Estudio la transformada wavelet y transformada wavelet inversa de
Daubechies para imgenes.
4. Estudio de depuracin de imgenes con ruido.
5. Estudio de filtros y la tcnica de umbralamiento, que se comprende en tres
pasos: Descomposicin, seleccin y umbralamiento de coeficientes (por
medio de umbral fuerte) y finalmente reconstruccin de la imagen dada.
6. Obtencin de resultados.

5. Referencias Bibliogrficas
ANTOINE J., Murenzi R., Vandergheynst P. and Twareques. 2004. Two
dimensional wavelets and their relatives. Cambridge University Press.
BERENSTEIN C.and Walnut D. 2005, wavelets and local tomography. Maryland.

BURRUS C. and Gopinath R. 1989. Introduction to wavelet and wavelet transform,

Prentice Hall.
COHEN A. and Daubechies I. 1993. Non separable bidimensional wavelet bases.
Revista matemtica Iberoamericana. Vol. 9, N 1.
CHANG Y., Yi Hui Liu, Ruixiang Lia y Weiyu Guo. 2007 A new active contour
model for medical image analysis wavelet vector flow, IJAM.
DONOHO D. 1995. Denoise by soft-thresholding, Springer- Verlag, IEEE.
GERALD F. 2000, Formal introduction to digital image processing , Sao Jos do
santos.
GONZALES C. and Woods R. E. 2002. Digital image processing using, Prentice
Hall.
LEVIN A. and Nadler B. Natural image denoising: Optimality and inherent bounds,
Appl. Math.
MISITI M. and Misiti Y. 2007. Wavelet and their applications, ISTE Ltd.
RAJPUT Y. and Rajput V. S. 2012. Advanced image enhancement based on wavelet
and histogram equalization for medical images, India.
SINGH M. 2010. Denoising of natural images using the wavelet transform, SJSU.
WALTER J. and R. A. Caballeros. 2006. Sobre wavelets e imgenes, Universidad
tecnolgica nacional, Crdoba.
WANG Y. and Zhou Haomin. 2006. Total variation wavelet based medical image
denoising, USA.
YIN W., Shuan-Ping Du and Qu-Min Ma. 2005 Method and application of wavelet
shrinkage denoising based on genetic algorithm, ISSN.
ZHOU W. and Chan T. 2006. Image denoising using mean curvature, SIAM J. Sci,
Comput. 28.
RAFECAS M. I+D en Imagen mdica en tomografa. IFIC.Valencia.
REDONDO Tejedor R. Junio 2006. Desarrollo de algoritmo de optimizacin visual
en imgenes mdicas. Universidad Politcnica de Madrid.