Automatic 3D segmentation of the brain from MR scans is a challenging problem that has received enormous amount of attention lately. Of the techniques reported in literature, very few are fully automatic. In this paper, we present an efficient and accurate, fully automatic 3D segmentation procedure for brain MR scans. It has several salient features namely, (1) instead of a single multiplicative bias field that affects all tissue intensities, separate parametric smooth models are used for the intensity of each class. This may be a more realistic model and avoids the need for a logarithmic transformation. (2) A brain atlas is used in conjunction with a robust registration procedure to find a nonrigid transformation that maps the standard brain to the specimen to be segmented. This transformation is then used to: segment the brain from non-brain tissue; compute prior probabilities for each class at each voxel location and find an appropriate automatic initialization. (3) Finally, a novel algorithm is presented which is a variant of the EM procedure, that incorporates a fast and accurate way to find optimal segmentations, given the intensity models along with the spatial coherence assumption. Experimental results with both synthetic and real data are included, as well as comparisons of the performance of our algorithm with that of other published methods.

Comparison of the room- and low-temperature 1H NMR spectra of the bis-(R)- or bis-(S)-MPA ester derivative of an open chain sec,sec-1,2-diol allows the easy determination of its relative stereochemistry and in some cases absolute configuration. If the diol is anti, its absolute configuration can be directly deduced from the signs of DeltadeltaT1T2 for substituents R1/R2, but if the relative stereochemistry of the diol is syn, the assignment of its absolute configuration requires the preparation of two derivatives (both the bis-(R)- and bis-(S)-MPA esters), comparison of their room-temperature 1H NMR spectra, and calculation of the DeltadeltaRS signs for the methines Halpha(R1) and Halpha(R2) and R1/R2 protons. The reliability of these correlations is validated with 17 diols of known absolute configuration used as model compounds.

No abstract

No abstract

En este artículo presentamos tres algoritmos para calcular la fusión de imágenes multi foco. Estos algoritmos se basan en la combinación lineal de un par de imágenes con diferentes niveles de enfoque. Los tres algoritmos maximizan una función lineal con restricciones de coherencia espacial; el objetivo de presentarlos es justificar como llegamos a plantear un algoritmo rápido y simple. El primer algoritmo llamado Combinación Lineal de Imágenes (CLI), se implementó utilizando Wolfram Mathematica, pero dado el número de variables a optimizar, la solución demandó de mucho tiempo de cómputo. El segundo algoritmo llamado Combinación Lineal de Imágenes por Ventanas (CLI-V) es una aplicación, sobre subregiones de las imágenes del algoritmo CLI, mejorando el desempeño en tiempo y logrando la implementación con el método Simplex. El tercer algoritmo llamado Combinación Lineal de Imágenes Simple (CLI-S), es una simplificación del algoritmo CLI-V, con resultados de calidad muy similares a los algoritmos CLI y CLI-V y a algunos algoritmos del estado del arte, pero con tiempos de solución muy rápidos. El algoritmo CLI-S se implementó utilizando imágenes incrementales con el propósito de tener soluciones en centésimas de segundo para las imágenes de prueba utilizadas. Para los tres algoritmos se presenta el desempeño y el tiempo de solución bajo condiciones similares, utilizando un par de imágenes sintéticas y cuatro pares de imágenes reales. Las imágenes reales han sido utilizadas por algoritmos del estado del arte y fueron seleccionadas con el objetivo de que el lector pueda hacer una comparación cualitativa. En el caso del par de imágenes sintéticas se hace una comparación cuantitativa con resultado de 98 % de aciertos en la selección de píxeles, en un tiempo de ejecución de 0.080 s. para una imagen de 512 × 512 píxeles, lo que nos permite decir que la velocidad lograda con algoritmo CLI-S permite efectuar el proceso de fusión en tiempo real, situación que no hemos encontrado reportada en el estado del arte.