la prevención y el seguimiento de algunos tratamientos médicos. Esta tecnología de vanguardia es ampliamente utilizada en el procesamiento de imágenes médicas debido a su eficiencia para revelar enfermedades o cuerpos extraños en un tiempo más corto. El presente artículo revisa algunas características, después de una recopilación de información, sobre el uso de tecnologías de Inteligencia Artificial para el diagnóstico de enfermedades por imágenes. Para cumplir con esto, fue necesario indagar sobre algunos tipos de Diagnóstico por Imagen (DI) como tomografía computarizada, ultrasonido, resonancia magnética y radiología. La investigación arrojó que el primer tipo de DI es el más utilizado y conocido por los centros de salud y laboratorios que brindan este tipo de servicio en Colombia. Esto puede deberse a múltiples factores, principalmente a su amplia disponibilidad, su fácil funcionamiento, su escaso uso de radiación y su bajo costo. De hecho, su aprobación como método en la detección de diversas enfermedades es tan simple que no requiere más trámites administrativos. Por lo tanto, esta revisión pretende presentar brevemente al lector la información técnica en cuanto a imágenes médicas. Primero, presentando algunos métodos y funciones. En segundo lugar, mostrando los avances más recientes en este campo de estudio y su contribución a la mitigación del problema de salud pública más reciente llamado nuevo coronavirus.

En medicina la información de las imágenes diagnósticas es vital e imprescindible, por este motivo es necesario procesarlas sin que existan márgenes de error que interfieran con su lectura y análisis. En términos generales: las imágenes presentan redundancia entre píxeles lo cual hace que ocupen un tamaño considerable que va desde los Megabytes (MB) hasta los Gigabytes (GB); el proceso de transmitirlas a través de la red se dificulta en términos de almacenamiento y coste computacional, por ende se deben aplicar procesos de compresión sin pérdidas útiles para reducir el ancho de banda, mejorar la capacidad de almacenamiento e incrementar la velocidad de transmisión sin afectar la calidad de la imagen diagnóstica. La propuesta de este artículo se basa en una revisión sistemática en la que se sintetiza y expone las características, ventajas y desventajas, de las técnicas de extracción de las regiones de interés (ROI), los algoritmos híbridos de compresión sin pérdidas de imágenes de MRI (Magnetic Resonance Imaging) y, por último, se toma como referencia la transformada Wavelet y las aplicaciones propuestas, a futuro, por los investigadores de los artículos revisados; entre las técnicas utilizadas destacan: EWT (Empirical Wavelet Transform), EZW (Embedded Zero Trees of Wavelet), SPIHT (Set partitioning in Hierarchical Trees) y el algoritmo híbrido-derivado como lo es: EWISTARS (Exponential Wavelet Iterative Shrinkage-Thresholding Algorithm with Random Shift) finalmente la selección y extracción automática de una ROI se realiza, mediante operaciones morfológicas, como la operación de apertura y segmentación de nivel. Para evaluar la calidad de estas técnicas se describen las métricas de rendimiento MSE (Mean Square Error), PSNR (Peak Signal to Noise Ratio) y CR (Compression Ratio). Los resultados de esta investigación serán de utilidad para que los investigadores, que estén incursionando en el área, puedan ampliar su visión acerca del procesamiento de imágenes médicas.

http://revistalogos.policia.edu.co Artículo de InvestigaciónModelo para evaluación de la exactitud de escáner láser terrestre -TLS Model for evaluation of the accuracy of terrestrial laser scanner -TLS Modelo para avaliação da precisão do scanner a laser terrestre -TLS

Since the appearance of the Holter monitor, it was conceived as a continuation of the electrocardiogram which serves to detect cardiac diseases, many signs of progress have been made of these devices, which go hand in hand with technology, mainly in elements microcontrollers and micro sensors, such as the transmission of data in real time. With this has been minimized the shortcomings to provide greater comfort and better results of the analysis. This article contains an analysis of these ambulatory measuring devices from the beginning to the current research, analyzing the use of this element for the detection of cardiac diseases, pros and cons of this kind of devices by emphasizing great change that has been generated in recent years with the technological progress.

El aparato reproductor masculino tiene una glándula ubicada debajo de la vejiga y frente al recto: la próstata. Rodea la uretra y tiene la función de producir un componente líquido en el líquido seminal. Con el tiempo, esta glándula tiende a agrandarse y bloquear la uretra, lo que dificulta la micción o la función sexual. Esta alteración se conoce como hiperplasia prostática, que se corrige con cirugía. En ocasiones se confunde con el cáncer de próstata por la similitud de los síntomas, que es frecuente en los hombres. El diagnóstico de esta enfermedad generalmente se realiza mediante una técnica manual llamada tacto rectal y una prueba de laboratorio que mide los niveles de PSA en la sangre. Es una sustancia que se encuentra en la sangre de una persona que suele tener cáncer de próstata. Además, el diagnóstico se apoya en una ecografía transrectal a través de un catéter. Este proceso integral ayuda a determinar la extensión del cáncer de próstata y a designar el tratamiento correcto. El estado de la lesión de próstata se evalúa mediante la práctica de una resonancia magnética (MRI). Es un procedimiento realizado por ondas de radio y una computadora que crea imágenes detalladas de áreas de la próstata. Analiza la condición de la próstata y determina el procedimiento o tratamiento de acuerdo con el estado de la lesión, por ejemplo, cirugía, radioterapia u observación monitoreada. Para definir qué tipo de tratamiento es fundamental analizar los diferentes estadios de la enfermedad y el Gleason Score, una medida del grado histológico, que va de 2 a 10, que indica la probabilidad de diseminación o extensión del tumor. Esta investigación se centra en el análisis y la extracción de medidas para clasificar formas de lesiones prostáticas que apoyen su diagnóstico. Considera la categorización PI-RADS, que actualmente determina la probabilidad de padecer cáncer de próstata clínicamente significativo. Para ello, se realizó un análisis utilizando una interpretación geométrica de diferentes categorizaciones de cáncer (4-5). Se realizó un procesamiento digital de imágenes de Python en T2, ADC y DWI aplicando el concepto de curva, momentos Zernike, dimensión fractal, dimensión Caliper, la curvatura absoluta total, la flexión de energía, dirección, convexidad, circularidad, compacidad, momentos Hu, dimensión, excentricidad, extensión, solidez, orientación, longitud del eje más grande, longitud del eje más pequeño, radio, centro, centroide, longitud y área.