ABSTRACT Diabetic foot ulcers are one of the serious complications presented by diabetic patients. The follow-up and identification of the lesions is of vital importance in order to apply a timely treatment because if they are poorly treated, they can lead to the amputation of the limb of the patient and even cause death. This study aims to evaluate different fusion strategies to improve performance rates in the diabetic foot ulcer image classification task. Two fusion approaches are evaluated, at the feature level and at the decision level. Also, two feature selection techniques, ReliefF and MRMR, were used. An SVM classifier with three kernel types was used and combined from five aggregation functions using the best five classifiers. The best results were obtained using the feature-level fusion strategy. These in turn come from the use of classifiers using the feature-level fusion strategy and using feature selection techniques. The results achieved exceed those reported in the literature. Both fusion alternatives coupled with feature selection methods improved automatic classification of diabetic foot ulcer images.

RESUMEN Las úlceras de pie diabético constituyen una de las complicaciones graves que presentan los pacientes diabéticos. El seguimiento e identificación de las lesiones es de vital importancia para aplicar un tratamiento oportuno pues mal atendidas pueden conducir a la amputación del miembro del paciente e incluso provocar su muerte. Este estudio tiene como objetivo evaluar distintas estrategias de fusión para mejorar los índices de desempeño en la tarea de clasificación de imágenes de úlceras de pie diabética. Se evaluaron dos enfoques de fusión, a nivel de rasgos y a nivel de decisión. Asimismo, se utilizaron dos técnicas de selección de rasgos, ReliefF y MRMR. Se utilizó un clasificador SVM con tres tipos de kernel y se combinaron a partir de cinco funciones de agregación utilizando los cinco mejores clasificadores. Los mejores resultados se obtuvieron usando la estrategia de fusión a nivel de rasgos. Estos a su vez provienen del uso de clasificadores que usaron la estrategia de fusión a nivel de rasgos y usando técnicas de selección de rasgos. Los resultados alcanzados superan a los reportados en la literatura. Ambas alternativas de fusión unidas a los métodos de selección de rasgos mejoraron la clasificación automática de imágenes de úlceras de pie diabético.

Abstract: The weighted completeness metrics for metadata use a weighting factor to indicate the importance of each field. In the case of bibliographic metadata, a common way of representing the importance of a field is its frequency of appearance in a given repository. The inaccuracy of this method is why we need to recalculate the weights as the volume of the repository grows. In this paper, we used the Particle Swarm Optimization (PSO) method in the estimation of the weights for the completeness metrics of bibliographic metadata. This method is independent of the metadata format, of the collection and the volume of the repository used. As part of this work, we defined the fitness function of the PSO method to reflect the importance levels of the fields. Finally, we presented a case study with the estimated weights and the calculated completeness of the bibliographic records described at the full cataloging level in MARC 21 format.

ABSTRACT On various occasions, algorithms to estimate instantaneous-frequency from a cyclic (seasonal) sequence to detect slow changes are needed. That is the case of the estimation of the variations of the respiratory rate for diagnostic purposes. There are a few possible procedures to estimate such an instantaneous-frequency, but without a thorough assessment to compute the respiration rate from a volumetric surrogate signal. This paper discusses the implementation of some algorithms for instantaneous-frequency estimation in MATLAB, comparing their performance from known synthetic signals, which resemble real-world respiratory signals, by using the goodness of fit parameters. We used a method based on the first conditional spectral moment of the time-frequency distribution of the input signal x, and other using the derivative of the phase of the analytic signal of x (found using the Hilbert transform). We also used methods based on second-order auto-regressive models. We computed the goodness of fit (maximum absolute and mean-squared errors) between the estimated and the expected ideal instantaneous-frequencies. The root MUSIC algorithm outperforms the others under assessment, showing its superiority for instantaneous-respiratory frequency estimation from a volumetric surrogate signal.

RESUMEN En varias ocasiones se necesitan algoritmos para estimar la frecuencia instantánea a partir de una secuencia cíclica (estacional) para detectar cambios lentos. Ese es el caso de la estimación de las variaciones de la frecuencia respiratoria con fines de diagnóstico. Hay unos pocos procedimientos posibles para estimar esa frecuencia instantánea, pero sin una evaluación exhaustiva para calcular la frecuencia respiratoria a partir de una señal sustitutiva volumétrica. En este documento se analiza la aplicación de algunos algoritmos para la estimación de la frecuencia instantánea en MATLAB, comparando su rendimiento a partir de señales sintéticas conocidas, que se asemejan a las señales respiratorias del mundo real, mediante el uso de la bondad de los parámetros de ajuste. Utilizamos un método basado en el primer momento espectral condicional de la distribución tiempo-frecuencia de la señal de entrada x, y otro utilizando la derivada de la fase de la señal analítica de x (que se encuentra utilizando la transformada de Hilbert). También utilizamos métodos basados en modelos autorregresivos de segundo orden. Calculamos la bondad del ajuste (errores máximos absolutos y cuadrados medios) entre las frecuencias instantáneas estimadas y las ideales esperadas. El algoritmo de la raíz MUSIC supera a los otros que se están evaluando, mostrando su superioridad para la estimación de la frecuencia respiratoria instantánea a partir de una señal sustitutiva volumétrica.

ABSTRACT Protein–energy malnutrition affects one in nine people worldwide and is most prevalent among children aged less than five years in low-income countries. Early childhood malnutrition can have damaging neurodevelopmental effects, with significant increases in cognitive, neurological and mental health problems over the lifespan, outcomes which can also extend to the next generation. This article describes a research collaboration involving scientists from five centers in Barbados, China, Cuba and the USA. It builds on longer-term joint work between the Barbados Nutrition Study (which, over a 45-year span, has extensively documented nutritional, health, behavioral, social and economic outcomes of individuals who experienced protein–energy malnutrition in the first year of life and healthy controls from the same classrooms and neighborhoods) and the Cuban Neuroscience Center (which has developed low-cost brain imaging methods that can be readily used in low income settings to identify biomarkers for early detection and treatment of adverse consequences of childhood malnutrition). This collaboration, which involved Barbadian, Cuban and US scientists began in the 1970s, when quantitative EEG techniques were applied to EEG data collected in 1977–78, at which time study participants were aged 5–11 years. These EEG records were never fully analyzed but were stored in New York and made available to this project in 2016. These data have now been processed and analyzed, comparing EEG findings in previously malnourished and control children, and have led to the identification of early biomarkers of long-term effects of early childhood protein–energy malnutrition. The next stage of the project will involve extending earlier work by collecting EEG recordings in the same individuals at ages 45–51 years, 40 years later, and comparing findings to earlier data and to these individuals’ behavioral and cognitive outcomes. Quantitative EEG biomarkers of the effects of protein–energy malnutrition may help identify children at greatest risk for early malnutrition’s adverse neurodevelopmental effects and inform development of targeted interventions to mitigate the long-term adverse effects of protein–energy malnutrition in developing countries.

ABSTRACT The present work has the interest to contribute in the automatic analysis of digital images of eye background. The aim of this study is to define an optimal selection of texture features that facilitate the location of the optic disc and the segmentation of blood vessels. The MaZda software allows the mapping of almost 300 texture features by combining 6 statistical descriptors: histogram, gradient, Run-Length matrix, co-occurrence matrix, Wavelet transform and autoregressive model. The mapping of 150 images belonging to the Databases DRIVE and DIARETDB0 is carried out. The results obtained are encouraging because they could allow blood vessel segmentation to be 100% successful and 99.3% successful for the location of the optic disc. Thus we obtain an efficient selection of traits for the development or improvement of algorithms with a minimum pre-processing.

RESUMEN El presente trabajo tiene el interés de contribuir en el análisis automático de imágenes digitales de fondo de ojo. El estudio se realiza con el objetivo de definir una selección óptima de rasgos de textura que facilite la localización del disco óptico y la segmentación de los vasos sanguíneos. Se emplea el software MaZda que permite el mapeo de casi 300 rasgos de textura combinando 6 descriptores estadísticos: histograma, gradiente, matriz Run-Length, matriz de co-ocurrencia, modelo autorregresivo y transformada de Wavelet. Se efectúa el mapeo de 150 imágenes pertenecientes a las Bases de Datos DRIVE y DIARETDB0. Los resultados alcanzados resultan alentadores pues podrían permitir una segmentación de los vasos sanguíneos de un 100% de éxito y un 99.3 % de éxito para la localización del disco óptico. Por lo que se obtiene una selección de rasgos eficiente para el desarrollo o mejoramiento de algoritmos con un pre-procesamiento mínimo.

ABSTRACT The detection of abnormalities in medical images is used in the classification and detection of abnormalities. The purpose of an anomaly detector is to identify the differences in a series of data, without having any previous information of its properties. The objective of this work is the construction of an anomaly detector for images of the Papanicolaou test, for which an algorithm that can determine regions of interest was designed and implemented. This algorithm was tested with 40 images, 20 containing only normal cells and 20 with abnormal cells. 100% of the images with anomalous cells presented regions of interest. Of the 20 images with only normal cells, only 9 contained regions of interest. On the other hand, the proposed method included 92.43% of the abnormal cells in the regions of interest.

RESUMEN La detección de anomalías en imágenes médicas es usada en la clasificación y detección de anormalidades. El objetivo de un detector de anomalías es la identificación de las diferencias en una serie de datos, sin tener ninguna información previa de sus propiedades. El objetivo de este trabajo es la construcción de un detector de anomalías para imágenes de la prueba de Papanicolaou, para lo que se diseñó e implementó un algoritmo que determinó regiones de interés. Este algoritmo se probó con 40 imágenes, 20 que sólo contenían células normales y 20 con células anómalas. El 100% de las imágenes con células anómalas presentó regiones de interés. De las 20 imágenes con sólo células normales, sólo 9 contuvieron regiones de interés. Por otro lado, el método propuesto incluyó en las regiones de interés al 92.43% de las células anómalas.

Mobile devices have proliferated at affordable prices nowadays. These devices provide high computational power and high-quality communication facilities, with near and remote users. In addition, most mobile devices include flexible sensors such as microphones, accelerometers and cameras, which are suitable for biomedical applications. Several students in the Biomedical Engineering Program, at our research center (Center for Studies on Electronics and Information Technologies, CEETI) have taken advantage of the mobile devices internal hardware capabilities to develop health care applications. These applications have been developed for Android-based devices. In this article two applications are presented, based on mobile platform, ECAH-M for speech analysis and i-Walker a pedometer.

Los dispositivos móviles han proliferado a precios accesibles en la actualidad. Los mismos están dotados con facilidades con alto poder computacional y comunicación de alta calidad tanto para usuarios cercanos como remotos. Además, la mayoría incluye sensores flexibles tales como micrófonos, acelerómetros y cámaras, los cuales los hacen factibles para aplicaciones biomédicas. Varios estudiantes del Programa de Pregrado de Ingeniería Biomédica del Centro de Estudios de Electrónica y Tecnologías de la Información (CEETI) de la Universidad Central "Marta Abreu" de las Villas, han utilizado las ventajas de las capacidades internas del hardware de dispositivos móviles, con el fin de desarrollar aplicaciones para cuidados de la salud. Dichas aplicaciones se han desarrollado para dispositivos basados en el sistema operativo Androide. En este artículo presentamos un par de ellas, ECAH-M para el análisis del habla y el i-Walker, un pedómetro.

This research is based in the determination of the geometry of the soil profile using the image processing method. It was necessary to carry out a search in the literature on the topic under study that allowed deepening on the subject in order to determine methodologies to be used for the collection of the data. The final results gave us the possibility to construct a traditional rod profilometer, which allowed carrying out the measurements of the geometry of the soil profile in the cane fields and to compare it with the method of image processing to show that can be obtained the soil profile geometry using the method proposed in this paper. It was possible to develop a method of image processing to determine the geometry of the soil profile without the need of costly laser methods developed by other authors that make it very difficult in our country. Finally, the results show the technical feasibility of using this method and its effectiveness.

El presente trabajo se fundamenta en la determinación de la geometría del perfil del suelo aplicando el método de tratamiento de imágenes, para lo cual fue necesario realizar una búsqueda en la bibliografía relacionada con el tema objeto de estudio que permitió abundar en el tema para poder determinar las metodologías a emplear para la toma de los datos. Los resultados finales posibilitaron la construcción de un perfilómetro de varillas tradicional, que permitió realizar las mediciones de la geometría del perfil del suelo en los campos de caña y compararlas con el método de tratamiento de imágenes, para demostrar que se obtiene la geometría del perfil del suelo aplicando el método que se propone en este trabajo. Se logró desarrollar un método de tratamiento de imágenes para determinar la geometría del perfil del suelo sin necesidad de aplicar los costosos métodos laser desarrollados por otros autores que se dificultan mucho en nuestro país. Finalmente los resultados evidencian la factibilidad técnica de la utilización de este método así como la efectividad del mismo.

The use of digital images in many areas of society is an activity that has reached a remarkable growth in recent years mainly due to the great development that has occurred in technology around the world. These images have a great use in many branches of medicine because they facilitate the diagnosis by specialists and thus help patients to be diagnosed long before symptoms of the disease begin to manifest. For Ophthalmology, one of the most used images are the digital retinography, If it is used properly will allow the occurrence of eye diseases such as glaucoma and diabetic retinopathy. One of the main elements shown on retinal images are the optic disc, the location and detection is of vital importance for working with different parts of the structure of the eye. This paper proposes two techniques for locating the optic disc in retinal images based on the combination of multiple filters and applying logical operators. To test the algorithms diaretDB0v11 and DRIVE database were used , as a result of the tests are correctly located the 99.091 % of the images from both repositories, and were successfully detected 85 % and 87.143 % of images of DRIVE database and diaretDB0v11 respectively.

El uso de las imágenes digitales en numerosas esferas de la sociedad es una actividad que ha alcanzado un auge notable en los últimos años debido fundamentalmente al gran desarrollo que ha ocurrido en la tecnología a nivel mundial. En la actualidad este tipo de imágenes tienen un gran uso en muchas de las ramas de la medicina pues facilitan el diagnóstico por parte de los especialistas y de esta manera contribuyen a que los pacientes sean diagnosticados mucho antes de que los síntomas de las enfermedades comiencen a manifestarse. En el caso de la Oftalmología una de las imágenes más usadas son las retinografías digitales, las cuales si son utilizadas correctamente le permiten al oftalmólogo detectar la aparición de enfermedades como la glaucoma y la retinopatía diabética. Uno de los elementos que se puede apreciar en estas es el disco óptico o papila óptica, cuya localización y detección tiene vital importancia para trabajar con diferentes partes de la estructura del ojo. En este trabajo se proponen dos técnicas para la localización del disco óptico en retinografías digitales que se basan en la combinación de varios filtros y la aplicación de operaciones lógicas. Para realizar la prueba de los algoritmos se utilizaron las bases de datos DRIVE database y diaretDB0v11; como resultado de las pruebas se localizaron correctamente el 99,091% de las imágenes de ambos repositorios en total, además se detectaron satisfactoriamente el 85% y el 87,143% de las imágenes de DRIVE database y diaretDB0v11 respectivamente.

The development of Multiple Kernel Techniques has become of particular interest for machine learning researchers in Computer Vision topics like image processing, object classification, and object state recognition. Sparsity-inducing norms along with non-sparse formulations promote different degrees of sparsity at the kernel coefficient level, at the same time permitting non-sparse combination within each individual kernel. This makes MKL models very suitable for different problems, allowing adequate selection of the regularizer according to different norms and the nature of the problem. We formulate and discuss MKL regularizations and optimization approaches, as well as demonstrate MKL effectiveness compared to the state-of-the-art SVM models using a Computer Vision Recognition problem.

El desarrollo de técnicas MKL (aprendizaje de múltiples núcleos) ha sido de particular interés para los investigadores en el aprendizaje automatizado, en tópicos de visión por computadora, así como para el procesamiento de imágenes, clasificación de objetos, y reconocimiento del estado de los objetos. En ecuaciones donde se combinan múltiples núcleos, las normas de inducción de dispersión junto con las formulaciones de no dispersión, promueven diferentes grados de dispersión a nivel de los coeficientes de combinación, mientras que permiten la combinación no esparcida en los núcleos individuales. Esto hace de los modelos MKL muy adecuados para diferentes problemas, permitiendo la selección óptima del regularizador, y así lograr un mejor reconocimiento de acuerdo a la naturaleza del problema. En este trabajo, formulamos y discutimos las diferentes regularizaciones de MKL y los métodos de optimización relacionados, demostrando su efectividad en un problema de reconocimiento de visión por computadora.

In this paper, we propose a two-phase approach to nuclei segmentation/classification in Pap smear test images. The first phase, the segmentation phase, includes a morphological algorithm (watershed) and a hierarchical merging algorithm (waterfall). In the merging step, waterfall uses spectral and shape information as well as the class information. In the second phase, classification, the goal is to obtain nucleus regions and cytoplasm areas by classifying the regions resulting from the first phase based on their spectral and shape features, merging of the adjacent regions belonging to the same class. Between the two phases, three unsupervised segmentation quality criteria were tested in order to determine the best one selecting the best level after merging. The classification of individual regions is obtained using a Support Vector Machine (SVM) classifier. The segmentation and classification results are compared to the segmentation provided by expert pathologists and demonstrate the efficacy of the proposed method.

En el presente trabajo se presenta un método en dos etapas para la segmentación y clasificación de núcleos de células en imágenes tomadas de la prueba de Papanicolaou. La primera etapa, la etapa de segmentación, está formada por un algoritmo morfológico (watershed o marcas de agua) y un algoritmo jerárquico de mezclado (waterfall o salto de agua). Para realizar el mezclado de regiones, waterfall usa información espectral, de forma y de las regiones que se separarán. En la segunda etapa, la etapa de clasificación, el objetivo es obtener los núcleos a partir de las clasificaciones de las regiones obtenidas en la primera etapa. Antes de realizar la clasificación, fueron probadas tres medidas no supervisadas de calidad de la segmentación para determinar el mejor resultado de la mezcla de regiones. La clasificación de las regiones se realizó usando Máquinas de Vector Soporte. Los resultados fueron comparados con las segmentaciones realizadas por patólogos demostrándose la eficacia del método propuesto.