Una Técnica Bayesiana y de Varianza Mínima para Segmentación del Lumen Arterial en Imágenes de Ultrasonido

Abstract

Las enfermedades cardiovasculares (ECVs) son la causa principal de decesos en el mundo entero. Basada en el ultrasonido, la valoración principal de las ECVs es la medición de laíntima-media carotídea y de la función endotelial humeral. En este trabajo se proponen mejoras a la metodología automática de detección del lumen arterial, fundamental en las pruebas referidas, presentada en (Calderon et al., 2013); basada en grafos y detección de bordes. Se propone un criterio bayesiano para segmentar elárbol de expansión mínima del grafo creado con los puntos intermedios entre los bordes. El lumen se localiza aplicando sobre las trayectorias segmentadas tres criterios: de longitud, de obscuridad y, el propuesto, de varianza mínima. En 294 sonografías el error promedio en la detección de la pared humeral cercana es 14.6 μm y desviación estándar 17.0 μm. En la pared lejana es 15.1 μm y desviación estándar 14.5 μm. Nuestra metodología mantiene el desempeño superior a los resultados en la literatura reciente que la metodología original presenta; superándola en exactitud general.

Modeling of Energy Demand of a High-Tech Greenhouse in Warm Climate Based on Bayesian Networks

“…Bayesian networks (BNs) are widely accepted as a reasoning technique for making predictions in many different research fields [13][14][15]. BNs have many applications; for example, they have been used in context of estimation [16,17], control systems [13], and prediction [18]. In the context of control systems applied in greenhouses they have been proven to be useful for the temperature control problem [19].…”