RESUMEN: El objetivo de este trabajo fue determinar un algoritmo matemático para cuantificar directamente el ángulo de convergencia (AC) en troqueles de preparaciones dentarias. El modelo experimental consistió en preparaciones coronarias simuladas sobre troqueles de yeso, en el cual el AC fue calculado por tres formulas trigonométricas. Las formulas fueron obtenidas de un modelo matemático en el cual la preparación coronaria representa una forma de pirámide truncada, la cual permite una proyección triangular en un plano. Fueron realizadas 60 mediciones in situ sobre las paredes de 15 troqueles. Se obtuvo una imagen de cada troquel usando una cámara digital (Schick® CDR). El AC fue medido usando la herramientas del software (Control). Los datos fueron analizados estadísticamente y se aplicaron test de propagación de errores. Los ángulos calculados con las tres fórmulas matemáticas ([F1], [F2] y [F3]) mostraron un alto nivel de correlación con el grupo control excepto para dos muestras. Dentro de las limitaciones de este estudio podemos concluir que a través de este algoritmo matemático, es posible cuantificar directamente el AC de las preparaciones coronarias en troqueles. Actualmente la evaluación de los AC tanto en preparaciones realizadas por alumnos de pregrado de odontología como por dentistas, se hacen de manera subjetiva. Las tres fórmulas presentadas en el algoritmo tiene una correlación alta para cuantificar el AC en troqueles. La [F3], es la que mas correlación logra en todas las muestras (0,89).
En este artículo se presenta un sistema de detección de peatones en la noche, para aplicaciones en seguridad vehicular. Para este desarrollo se ha analizado el desempeño del algoritmo Faster R-CNN con imágenes en el infrarrojo lejano. Por lo que se constató que presenta inconvenientes a la hora de detectar peatones a larga distancia. En consecuencia, se presenta una nueva arquitectura Faster R-CNN dedicada a la detección en múltiples escalas, mediante dos generadores de regiones de interés (ROI) dedicados a peatones a corta y larga distancia, denominados RPNCD y RPNLD, respectivamente. Esta arquitectura ha sido comparada con los modelos para Faster R-CNN que han presentado los mejores resultados, como son VGG-16 y Resnet 101. Los resultados experimentales se han desarrollado sobre las bases de datos CVC-09 y LSIFIR, los cuales demostraron mejoras, especialmente en la detección de peatones a larga distancia, presentando una tasa de error versus FPPI de 16 % y sobre la curva Precisión vs. Recall un AP de 89,85 % para la clase peatón y un mAP de 90 % sobre el conjunto de pruebas de las bases de datos LSIFIR y CVC-09.
The electrocardiogram signal (ECG) is a bio-signal used to determine cardiac health. However, different types of noise that commonly accompany these signals can hide valuable information for diagnosing disorders. The paper presents an experimental study to remove the noise in ECG signals using the Discrete Wavelet Transform (DWT) theory and a set of thresholds filters for efficient noise filtering. For the assessment process, we used ECG records from MIT-BIH Arrhythmia database (MITDB) and standardized noise signals (muscle activity and electrode-skin contact) database from the Noise Stress Test database. In addition to the ECG signals a white Gaussian noise present in electrical type signals was added. Furthermore, as a first step we considered baseline wander and power line interference reduction. The metrics used are the Signal-to-Noise Ratio (SNR), the Root Mean Squared Error (RMSE), the Percent Root mean square Difference (PRD), and the Euclidian L2 Norm standard (L2N). Results reveal that there is not a single combination of filtering thresholds (function and value) to minimize all types of noise and interference present in ECG signals. Reason why an ECG denoising algorithm is proposed which allows choosing the appropriate combination (function-value) threshold, where the SNR values were the maximum and the error values were the minimum.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.