Se encontraron 4 investigaciones
El presente proyecto propone el desarrollo de tecnología EEG y un sistema de reconocimiento de emociones faciales para la implementación de dos paradigmas experimentales neurocognitivos: (1) estudio de la percepción y acción de movimientos y (2) percepción de emociones elicitadas por medio de movimientos de humanos y robots humanoides. Además, considera la implementación de un paradigma experimental que utilice un EEG Emotiv adaptado para el estudio de la activación del sistema de neuronas espejo en la percepción de emociones elicitadas por movimientos de humanos y robots.
Participantes:
Instituciones participantes:
Los sistemas de visión son una herramienta dentro de la robótica que permite obtener información del medio. La cuantificación y evaluación de dicha información puede ayudar a definir una interacción humano-robot adecuada. Para algunas personas con problemas de discapacidad motora este tipo de sistemas pueden menguar los trastornos generados por la falta de autonomía para desenvolverse naturalmente tanto en la esfera privada como en la pública. La parálisis cerebral, la polio, la esclerosis, entre otras enfermedades, generan condiciones de discapacidad motora que producen alteraciones musculares, de postura y movimiento, y además presentan trastornos asociados como: visuales, auditivos, cognitivos, emocionales y del lenguaje (Serrano Martín & Santos del Riego, 2001). Siendo estos últimos los factores que alteran la comunicación para un individuo, lo cual podría resultar frustrante al no tener la atención y la capacidad de comunicarse con sus pares (Burchardt, 2005). La vigilancia y asistencia permanente puede contribuir con la calidad de vida de estas personas con discapacidad, menguando así los trastornos generados a consecuencia de su estado físico. El presente trabajo de investigación pretende desarrollar un sistema de visión diseñado para la interacción con dispositivos robóticos mediante el reconocimiento de expresiones faciales y movimientos articulares de la cabeza para que sirva de asistencia a personas con discapacidad.
Participantes:
Instituciones participantes:
Breast parenchymal density is considered a strong indicator of cancer risk. However, measures of breast density are often qualitative and require the subjective judgment of radiologists. This work proposes a new supervised algorithm to automatically assign a BI-RADS breast density score to a digital mammogram. The algorithm applies principal component analysis to the histograms of a training dataset of digital mammograms to create four different spaces, one for each BI-RADS category. Scoring is achieved by projecting the histogram of the image to be classified onto the four spaces and assigning it to the closest class. In order to validate the algorithm, a training set of 86 images and a separate testing database of 964 images were built. All mammograms were acquired in the craniocaudal view from female patients without any visible pathology. Eight experienced radiologists categorized the mammograms according to a BI-RADS score and the mode of their evaluations was considered as ground truth. Results show better agreement between the algorithm and the ground truth for the training set (kappa=0.74) than for the test set (kappa=0.44) which suggests that the method may be used for BI-RADS density classification but a better training is required.
Participantes:
Instituciones participantes:
La tuberculosis se ubica como la segunda causa de muertes por enfermedades infecciosas en el mundo después del SIDA. Para definir la presunción médica de la tuberculosis se usa la baciloscopía, proceso tedioso y laborioso por lo que se busca su automatización para mejorar la exactitud, precisión y rapidez del diagnóstico. El objetivo de este trabajo es segmentar imágenes del Mycobacterium tuberculosis mediante algoritmos sencillos que oyen al diagnóstico de la tuberculosis. En el presente trabajo se muestra la comparación entre: K-medias, Región de Crecimiento, Segmentación Bayesiana, Operador Canny y Diferencia de capas de color. Se analizaron 12 muestras de esputo que tenían informe de resultados, obteniendo 1200 imágenes y se comparó la cantidad de objetos segmentados de cada muestra con la escala semi-cuantitativa que estandariza la Organización Mundial de la Salud para diagnosticar la enfermedad. Resulto que el Operador de Canny logra menos falsos negativos que los otros algoritmos con 12 bacilos falsos negativos de promedio en 100 campos microscópicos, y Diferencia de capas de color ha tenido 8 falsos positivos, la menor cantidad de entre los resultados de todos los algoritmos y también la mayor concordancia con los informes de laboratorio, discordando 1 de las 12 muestras. Un control de calidad de las muestras mejoraría los resultados de la cuenta de los bacilos.
Participantes:
Instituciones participantes: