Page 83

Super resolución y Tomografı́a de Emisión de Positrones (PET), historia, actualidad y perspectiva — 83

planos en la escena y utilizando la geometrı́a de perspectiva detectada para guiar el proceso de búsqueda de parches. Se incorporan transformaciones adicionales afines para adaptarse a las variaciones de formas locales.Se propone un modelo de composición que permita manejar a la vez ambos tipos de transformaciones. Los autores de [28] proponen un método de super resolución basado en la regresión lineal en diferentes frecuencias medias. En [29] se propone un método de súper resolución sin comprometer la calidad. En primer lugar, apoyan el uso de diccionarios aprendidos escasos en combinación con métodos de incrustación vecinos. En este caso, los vecinos más cercanos se calculan utilizando la correlación con los átomos del diccionario en lugar de la distancia euclidiana. En [30] se presenta un método rápido y de alto rendimiento para super resolución con aprendizaje externo. Utilizan un árbol bimodal para la agrupación, que explota con éxito la invariancia del mapeo de alto a grueso de los parches de imagen y proporciona escalabilidad a particiones más finas del espacio. En [31] presentan una red neuronal convolucional capaz de realizar la SR en tiempo real de videos 1080p en un solo GPU. Para lograr esto, proponemos una nueva arquitectura de red neuronal convolucional donde se extraen los mapas de caracterı́sticas en el espacio LR. En [32] proponen una red neuronal convolucional compacta en forma de reloj de arena para realizar una SR más rápida y rediseñan la estructura red neuronal convolucional compacta para super resolución.

4. SR+PET Como se mencionó anteriormente diversos autores han tratado el tema de la super resolución y como aplicarla a imágenes formadas en un PET. En [33] se mencionan las principales caracterı́sticas de la super resolución, ası́ como las principales aplicaciones que tiene en diferentes campos. En [34] se propone un nuevo algoritmo de visualización de imágenes progresivas basado en la transformada de coseno discreta (DCT Discrete Cosine Transform), haciendo hincapié en el proceso de codificación y decodificación. En el codificador se considera un conjunto de imágenes de baja resolución que están corrompidas por ruido gaussiano blanco aditivo y el desenfoque debido al movimiento. Las imágenes de baja resolución se comprimen utilizando bloques de 8x8 pixeles. La fusión se realiza para obtener una única imagen libre de ruido. En el decodificador, la imagen se reconstruye progresivamente transmitiendo primero la imagen más gruesa seguida por los detalles de la imagen, para obtener, finalmente, la imagen en super resolución. En [35] presentan un marco innovador para reconstruir imágenes de resonancia magnética de difusión de alta resolución espacial (dMRI – Magnetic Resonance Imaging) a partir de múltiples imágenes de LR. Ahı́ combinan los conceptos de sensado compresivo (CS – Compressed Sensing) y super-

resolución clásica para reducir el tiempo de adquisición al tiempo que aumenta la resolución espacial. Utilizan imágenes de LR desplazadas por subpı́xeles con direcciones de difusión reducidas y no superpuestas para reducir el tiempo de adquisición. En [36] se describe el uso de la super resolución aplicada a las imágenes de PET, tal estudio se basa en el enfoque de [37], donde una imagen de alta resolución se estima mediante la proyección de varias imágenes de LR observadas, este estudio demostró la viabilidad de aplicar técnicas de SR a la imagenologı́a PET. El trabajo en [38] introdujo un esquema de mejora de la resolución en el dominio sinograma, en el que los datos se obtienen a través de movimiento relativo. El algoritmo descrito obtiene una estimación del sinograma HR mediante interpolación seguida por la reconstrucción utilizando EM). Los autores de [39] introdujeron un algoritmo modificado de EM para reconstruir imágenes de HR a partir de sinogramas LR, reportando alta calidad de las imágenes a un tiempo de procesamiento razonable. Se puede agregar que el área de la calidad de las imágenes médicas puede ser aún mejorada, además de que resulta necesario. Para ello es factible utilizar técnicas de procesamiento de imágenes como la super resolución, con el objetivo de mejorar la resolución de las imágenes y contribuir con la certeza de los diagnósticos médicos.

5. Desarrollos tecnológicos A continuación se muestran aplicaciones de la transferencia tecnológica de la SR aplicada a dispositivos de adquisición de imágenes médicas. • US20110268334A1, apparatus for Improving Image Resolution and Apparatus for Super-Resolution Photography Using Wobble Motion and Point Spread Function (PSF), in Positron Emission Tomography [40]. • WO2013162172A1, method for obtain PET images with super resolution using a movement of PET device [41]. • KR101493683B1, super resolution apparatus and methods using LOR reconstruction based cone-beam in PET image [42]. • US20140328528A1, super-Resolution Apparatus and Method [43]. • KR20110121536A, method and apparatus for superresolution using wobble motion and psf in positron emission tomography [44]. • JP2017113182A, super-resolution system of mr image [45]. • US20150125059 A1, fast iterative algorithm for superresolving computed tomography with missing data [46]. • US20110319752 A1, image super enhancement [47]. • US2014/010307, system and method for ultra-high resolution tomographic imaging [48].

Profile for UTCJ

Camino hacia la Internacionalización: Logística internacional  

La presente obra reúne 14 documentos de investigación aplicada y de revisión de literatura los cuales fueron elaborados de forma conjunta po...

Camino hacia la Internacionalización: Logística internacional  

La presente obra reúne 14 documentos de investigación aplicada y de revisión de literatura los cuales fueron elaborados de forma conjunta po...

Profile for utcj
Advertisement