. Introducción Antecedentes

Transcripción

1

2 Índice:. Introducción Antecedentes Objetivo General Objetivos específicos Metodología Desarrollo Resultados y conclusiones Apéndice A Apéndice B Apéndice C Referencias

3 . Introducción: El ultrasonido es una onda acústica o sonora cuya frecuencia está por encima del espectro auditivo del oído humano (aproximadamente 20,000 Hz). Dentro de las distintas herramientas que se tienen para dar el diagnóstico de patologías en los seres humanos nos encontramos con el ultrasonido. El ultrasonido es una herramienta fundamental para el diagnóstico médico con la misión de mejorar la calidad de vida de los pacientes. Para esto se han construido diversas maneras de interpretar las imágenes dadas por un ultrasonido, una de ellas es la interfaz de usuario gráfica la cual puede visualizarse en distintas formas. El procesamiento de estas imágenes es interesante para aquellos especialistas en imagenología médica que usan el ultrasonido; se contará con una herramienta capaz de desplegar imágenes ultrasónograficas a partir de un procesamiento de señales con MatLab. [1] Se pretende que el alumno se familiarice con el manejo de imágenes ultrasónograficas y con las técnicas de procesamiento digital de imágenes. Con esto el alumno visualizará imágenes de una manera práctica empleando técnicas de procesamiento. [2]

4 . Antecedentes: El ultrasonido es una vibración mecánica con un rango de frecuencias mayor al audible por el oído humano, que se transmite a través de un medio físico y es orientado, registrado y medido en Hertz, con ayuda de un aparato creado para ese fin [5]. Los ultrasonidos son utilizados habitualmente en aplicaciones industriales (medición de distancias, caracterización interna de materiales, ensayos no destructivos y otros). También se emplean equipos de ultrasonidos en ingeniería civil, para detectar posibles anomalías y en medicina (ecografía, fisioterapia, ultrasonoterapia). Las ondas ultrasónicas obedecen a las mismas leyes básicas del movimiento ondulatorio de las ondas sonoras de frecuencias más bajas; sin embargo, tienen las siguientes ventajas: Las ondas de frecuencias más altas tienen longitudes de onda más cortas, lo cual significa que la difracción o reflexión en torno a un obstáculo de dimensiones determinadas se reduce en forma correspondiente, por lo tanto es más fácil dirigir y enfocar un haz de ultrasonido. Las ondas ultrasónicas pueden atravesar sin dificultad las paredes metálicas de tubos y recipientes; esto quiere decir que el sistema de medición entero puede montarse externamente al fluido, es decir, es no invasivo. Esto es muy importante con fluidos hostiles, o sea, aquellos con propiedades corrosivas, radioactivas, explosivas o inflamables. Tampoco existe la posibilidad de que ocurra obstrucción con fluidos sucios o pastas aguadas. El ultrasonido puede emitirse y propagarse a través del tejido biológico, lo que lo hace idóneo para aplicaciones médicas [5]. Un ejemplo del uso del ultrasonido en el campo médico son los dispositivos tales como el Doppler fetal, el cual utiliza ondas de ultrasonido de entre 2 a 3 MHz para detectar la frecuencia cardíaca fetal dentro del vientre materno. Otro ejemplo de su uso en medicina es la litotricia extracorpórea por ondas de choque, una técnica terapéutica para el tratamiento de la litiasis renal.

5 Existe todo un software de procesamiento de señales e imágenes ultrasónicas desarrollado en el año 2003 por Heriberto Aguirre Meneses en MatLab para visualizar imágenes ultrasónicas a partir de archivos RAW-DATA [1]. El procesamiento digital de imágenes es el conjunto de técnicas que se aplican a las imágenes digitales con el objetivo de mejorar la calidad o facilitar la búsqueda de información. Dentro del procesamiento digital de imágenes se encuentra el proceso de filtrado. El filtrado es el conjunto de técnicas englobadas dentro del pre-procesamiento de imágenes cuyo objetivo fundamental es obtener, a partir de una imagen origen, otra final cuyo resultado sea más adecuado para una aplicación específica, mejorando ciertas características de la misma que posibilite efectuar operaciones del procesado sobre ella[5]. Los principales objetivos que se persiguen con la aplicación de filtros son: Suavizar la imagen: reducir la cantidad de variaciones de intensidad entre píxeles vecinos. Eliminar ruido: eliminar aquellos píxeles cuyo nivel de intensidad es muy diferente al de sus vecinos y cuyo origen puede estar tanto en el proceso de adquisición de la imagen como en el de transmisión. Realzar bordes: destacar los bordes que se localizan en una imagen. Detectar bordes: detectar los píxeles donde se produce un cambio brusco en la función intensidad. Por tanto, se consideran los filtros como operaciones que se aplican a los píxeles de una imagen digital para optimizarla, enfatizar cierta información o conseguir un efecto especial en ella. El proceso de filtrado puede llevarse a cabo sobre los dominios de frecuencia y/o espacio.

6 La idea es mejorar el sistema de visualización, para esto se considera lo siguiente: Se elaboraría aplicación. un sistema de visualización para construir una Dentro del campo del ultrasonido es importante mencionar que anteriormente se había trabajado en interfaces de usuario gráficas, pero estas son de algún modo lentas, hacemos referencia a esto dado que el tiempo de respuesta no es lo suficientemente corto como se espera. Hoy en día el despliegue y/o muestreo de resultados de forma instantánea convence más a las personas que usan este tipo de herramientas; es decir el objetivo de desarrollar la interfaz de usuario en MatLab es mejorar el trabajo ya realizado anteriormente. Para esto se reducirá el tiempo de respuesta de la imagen ultrasonográfica. Para esto será fundamental contar con la experiencia previa adquirida en cursos anteriores como lo fueron programación orientada a objetos (JAVA), introducción a la programación (C++) así mismo cabe mencionar que anteriormente se ha trabajado sobre este software matemático en la generación de programas que calculan las raíces de sistemas de ecuaciones lineales y ecuaciones diferenciales ordinarias. Con toda esta experiencia se podrá generar la interfaz de usuario la cual sin duda será de vital ayuda en el diagnóstico de anomalías en el tejido biológico. [4].

7 . Objetivo General: Generar la interfaz de usuario (UI) en MatLab capaz de representar imágenes y mostrar resultados de la aplicación de técnicas de procesamiento. 3.1 Objetivos específicos.. Reducir tiempo de procesamiento. Con esto podremos facilitar el procesamiento, el mismo será en escala de grises en 2D. Con esto justificamos que no hay imágenes RAW-DATA que cumplan con las características de un despliegue en 3D. Por lo tanto el despliegue no será a color ni en 3D.. Generación de una interfaz de usuario en la cual puedan ajustarse diferentes características de la imagen. Para el despliegue de imágenes con esto nuestro objetivo es emplear un lenguaje de programación para proporcionar al usuario una herramienta, esta es la visualización de imágenes la cual es capaz de desplegar información importante ya sea que esta se interprete para un diagnóstico adecuado del paciente. Con esto los resultados esperados son contar con interfaz de usuario con fines didácticos y así se proporcionará una herramienta para docencia: apoyo a las prácticas de laboratorio, visualización de imágenes, procesamiento digital de imágenes, etc.

8 . Metodología: Generación de la interfaz de usuario (UI). Se busca reducir el tiempo del despliegue de las imágenes ultrasónograficas. Una forma de reducir es a través de un monitor de PC o como es de nuestro interés a través de una interfaz de usuario. Para esto se utilizará el software matemático MatLab lo cual simplificará la forma de interpretación de estas imágenes y así se pueda contar con una herramienta lo suficientemente clara para que el médico ultrasónografista pueda dar un diagnóstico adecuado y proceder a la recuperación del paciente. Se cuenta con un banco de imágenes RAW-DATA formato digital obtenidas con un equipo de ultrasonido Acusón 128 tipo binario, a las cuales se les aplicará técnicas de procesamiento para así poder generar la interfaz de usuario en la (IDE) de MatLab. Con esto se está totalmente convencido de que el proyecto en el cual se trabajará hará una aportación importante al campo del diagnóstico médico ya que se contará con una herramienta la cual será útil para detectar anomalías en el tejido biológico. [1]. Asimismo el desarrollo del actual proyecto se fundamenta en la necesidad de obtener imágenes ultrasónicas cuyo medio de despliegue sea el monitor de una PC, lo cual facilita su manipulación y procesamiento mediante funciones establecidas y desarrolladas en MatLab. El desarrollo de una interfaz de usuario (UI) permite al usuario observar los efectos que sufre la imagen reconstruida debido a una serie de procesamientos realizados sobre ella aun sin que esté tenga conocimientos sobre la plataforma de desarrollo ni sobre el procesamiento digital de imágenes. A pesar de que las rutinas desarrolladas para procesar las imágenes son hasta cierto punto un tanto básicas, estas permiten al usuario realizar diferentes pruebas y así comparar las imágenes desplegadas en la (UI) con la imagen original. Debido a que el ultrasonido es considerado una herramienta de diagnóstico con mínima invasividad, cada día se establecen nuevas metodologías basadas en el procesamiento de imágenes, las cuales permiten su uso en la detección de patologías y afecciones sin poner en riesgo la integridad de los pacientes. [3].

9 Con esto se procede a construir el lenguaje de programación, detallamos que adicionalmente se cuenta con la experiencia previa de lenguaje C++, lenguaje JAVA, sin embargo en esta plataforma de desarrollo se trabaja o mejor dicho se construye el código fuente a partir de lenguaje M, propiamente de MatLab; dentro de la tecnología empleada se utilizará una PC con el ambiente de desarrollo integrado (IDE) MatLab, y con esto se visualizarán las imágenes ultrasónograficas. El equipo de trabajo conformado por el Ing. Dipl. Hernández Matos Enrique Luis (asesor) y el alumno Hernández Santiesteban Christopher; tiene experiencia en cursos pasados ya que realizó programas para calcular raíces de ecuaciones diferenciales, en la materia Métodos Numéricos y programas para calcular raíces a sistemas de ecuaciones lineales en el curso de Algebra Lineal impartidos en la UAM-I. De acuerdo a lo programado en la Licenciatura de Ingeniería Biomédica se cuenta asimismo con el curso de lenguaje JAVA (POO), para fines de escritura de código. Dirección del proyecto y revisión del algoritmo basado en el procesamiento de señales e imágenes ultrasónicas: Ing. Dipl. Hernández Matos (asesor) dirigirá y coordinará el trabajo que realizará el alumno Hernández Santiesteban Christopher el que consistirá en cumplir con los objetivos estipulados. El asesor quien será quien proporcionara el banco de imágenes RAW-DATA formato digital (tipo binario) obtenidas con un equipo de rastreo de imágenes Acusón 128 (equipo de rastreo). El Ing. Dipl. Hernández Matos actualmente trabaja en proyectos de investigación sobre aplicaciones del ultrasonido en medicina, tales como: el procesamiento de imágenes en ecocardiografía y la medición de la velocidad de flujo sanguíneo mediante la aplicación del efecto Doppler en Ultrasonido. [3]. Dentro de la infraestructura disponible se cuenta con: PC con MatLab dentro de las cuales destacamos las características de la PC las cuales son sistema operativo Windows vista, memoria RAM de 4Gb, procesador Intel Core 2 Dúo CPU T8100 a 2.10 GHz Experiencia previa: lenguaje JAVA y C++ Se trabajara en el laboratorio de ultrasonido del Ing. Dipl. Hernández Matos para que sea este quien supervise el desarrollo de software. Dentro del desarrollo de software se generara la interfaz de usuario (UI)

10 . Desarrollo: La etapa de desarrollo es sin duda una de las partes más complejas en el avance de este proyecto; ya que es aquí donde se tuvo que plantear la idea de cómo mejorar un proyecto realizado hace 10 años, es decir el propósito de este proyecto es fundamentalmente llevar a cabo el mejorarlo, para ello se fijaron como objetivos específicos reducir el tiempo de procesamiento y generación de la interfaz de usuario en la cual puedan ajustarse diferentes características de la imagen, tales como poder visualizar en la interfaz la imagen en el plano cartesiano y en el plano polar. Es por eso que se describe detalladamente paso a paso la realización del proyecto Despliegue de imágenes ultrasónograficas a través de una interfaz de usuario en MatLab asimismo se hace referencia de los problemas que surgieron y como fueron resueltos a lo largo del proyecto. Hasta el momento ha transcurrido el proceso de análisis de la información con la que se cuenta (archivos RAW-DATA), para así desplegar la interfaz de usuario. Esto sería cubierto en el primer mes de trabajo. De tal modo que el avance que se tiene hasta el momento, es que se cuenta con la interfaz de usuario. Y ya es posible poder visualizar la imagen. Como se muestra en la siguiente figura: Figura 1.

11 En este caso es posible visualizar la imagen como se muestra en la captura de pantalla, (cabe aclarar que la imagen desplegada está en un formato jpg el cual es considerado un formato estándar) Sin embargo se sigue trabajando en el mapeo de la imagen de radio frecuencia. (archivos.rf) para poder transformar la imágenes.rf que están dadas en coordenadas cartesianas a coordenadas polares y así llevar a cabo la lectura de los datos de memoria que se encuentran descritos en lenguaje C. Hasta el momento este es el avance que se tiene. Y es importante mencionar que ya se conocen las instrucciones propias de MatLab que hacen posible la visualización de la imagen en una GUI. De acuerdo a lo establecido en el protocolo de proyecto terminal que dice que: En el segundo y tercer mes, se realizara la elaboración del programa. La elaboración del programa se llevará una cantidad considerable de tiempo ya que la programación de la interfaz de usuario es compleja. Se puede decir que se lleva un poco de tiempo de ventaja. Ya que se está empezando con la elaboración del programa. Hasta el momento se tiene la descripción de los datos de la imagen Archivos RAW-DATA los cuales fueron llevados por la ruta ( C:\ArchivosRF\ehmgb.rf, rb, b ); esto es para indicar la lectura de los datos de la señal de radio frecuencia, los cuales fueron almacenados en una matriz Y de 131X4096 como se muestra en la figura 2:

12 Figura 2. Detrás de la gráfica podemos observar la matriz (Y) la cual otorgando la instrucción propia de MatLab plot(y) obtenemos la figura descrita en la imagen. Posteriormente siguiendo las instrucciones del manual de usuario de la versión V6.5 que otorgo el asesor no hubo mucha diferencia, las instrucciones que se siguieron se muestran en la siguiente figura en la consola de MatLab:

13 Figura 3. En la figura 3 se muestra como se visualiza la matriz de 131X4096 la cual es la dimensión de la imagen almacenada la matriz antes mencionada. De la cual no se tiene mucha información al respecto ya que se necesita una opinión más detallada de lo que significa esta nueva imagen. Por último se muestra la imagen en una escala de 4000X4000 siguiendo las instrucciones del manual de usuario de MatLab:

14 Figura 4. Gráfica de la señal de radio frecuencia a partir de los archivos RAW-DATA En este momento se sigue trabajando para hacer el despliegue de los datos en Modo B, con el cual se presentan algunos inconvenientes de código, los cuales serán corregidos lo antes posible para hacer el despliegue de la imagen, pero cabe mencionar que en este momento se tiene graficado ya físicamente la señal de radiofrecuencia como se muestra en la figura.

15 En este momento ya se cuenta con un resultado a partir de los archivos RAW-DATA es decir finalmente se alcanzó a hacer el despliegue de los datos, almacenando estos primeramente en una matiz de 131X4096 posteriormente de acuerdo a los comandos propios de MatLab se hizo posible la visualización de los archivos esto fue posible con las siguientes instrucciones (instrucciones detalladas en el apéndice A): Así obtenemos lo siguiente: Figura 5. En la figura 5 se muestra la imagen de la compresión del rango dinámico a 60 db usando 128 niveles de gris, obtenida después de almacenar los datos en el (IDE) MatLab

16 Posteriormente se muestra el formato que tenían los datos antes de aplicar estas técnicas: Figura 6. Esta es una imagen comparativa, primeramente tratando de pedir a MatLab que nos de imagen de los datos almacenados en la matriz de 131X4096 Posteriormente se muestra cómo es que aplicando estas técnicas es cómo es posible visualizar finalmente la imagen. Cabe aclarar que hasta el momento ya se tiene la imagen pero esta se encuentra dada en coordenadas cartesianas, se busca desarrollar un algoritmo para corregir la imagen llevando a la forma como se muestra a continuación:

17 Figura 7. La figura 7 muestra la imagen de ultrasonido mostrada en el plano cartesiano (derecha) análogamente se muestra la imagen de ultrasonido en forma sectorial (izquierda). Se está trabajando en el desarrollo de este algoritmo para finalmente visualizar la imagen en modo B, esta parte se está llevando una cantidad considerable de tiempo ya que la programación del mismo es compleja, asimismo se sigue en el desarrollo de la fusión entre la imagen obtenida y la interfaz de usuario(ya se cuenta con esta). Hasta el momento este es el avance correspondiente al apartado de proyecto terminal I

18 Anteriormente se tenía la información de la señal de radio frecuencia por parte del IDE MatLab como se muestra en la siguiente figura: Figura 8. A partir de la imagen obtenida se procedió a realizar la transformación de la imagen en forma sectorial En siguiente paso que se abordo fue llevar esta imagen obtenida a la forma sectorial, para la cual surgieron algunos inconvenientes ya que no era sencillo llevar a cabo la transformación de coordenadas cartesianas a polares, sin embargo se realizaron las siguientes pruebas, teniendo en cuenta que este vez se contó con el código fuente se procedió a realizar la comunicación entre los archivos.c los cuales son los que realizan el manejo de memoria para el despliegue de la imagen en forma sectorial, sin embargo la comunicación en un principio no podía realizarse ya que la realización de este proyecto demando una versión más antigua de MatLab tarea para la cual se procedió a la investigación correspondiente de cómo hacer que el compilador de MatLab pudiera comunicarse con el archivo.c

19 Lo que se realizo fue lo siguiente, se procedió a hacer la comunicación de la siguiente manera, en la consola de MatLab se llevó a cabo la instrucción, mex fast_int.c generando así un ejecutable necesario para sistemas operativos de 64 bits. El archivo generado corresponde a un fast_int.mexw64 el cual logra hacer la comunicación entre C y MatLab, esto se ilustra mejor en la siguiente figura: Figura 9. En la imagen 9 se muestra como se generó el ejecutable para que MatLab pudiera realizar la visualización de la imagen en coordenadas polares.

20 Y entonces es así como se lleva a cabo el despliegue de la imagen de coordenadas cartesianas a coordenadas polares, para hacer una comparación de la nueva imagen se comparara la imagen obtenida anteriormente con la nueva Figura 10. En la figura 10 se muestra la diferencia entre una forma de visualización en coordenadas cartesianas y coordenadas polares. Con esto se avanzó de manera significativa en el proyecto Despliegue de Imágenes Ultrasónograficas a través de una Interfaz de usuario en MatLab. Anteriormente se había mostrado la nueva imagen es decir la imagen de radio frecuencia pero en forma sectorial, por lo tanto en este caso lo que se busca es cumplir con uno de los objetivos del protocolo del proyecto terminal.

21 Figura 11. En la figura se muestra cómo es que el tiempo de visualización es casi instantánea al momento desplegar la imagen. En este caso como se demostró que el tiempo de respuesta es mínimo, es decir lo que se busca es que el despliegue de la imagen sea de forma casi instantánea, tarea para lo cual se llevó el despliegue de la imagen sectorial a partir del archivo.m el cual es presentado en la figura de arriba. Con esto se cumple uno de los objetivos específicos del protocolo el cual es: Reducir tiempo de procesamiento. Posteriormente se trabajó sobre la interfaz de usuario en la cual se puede visualizar diferentes características de la imagen.

22 Figura 12. En la figura se muestra el proceso de la imagen, es decir la compresión logarítmica del rango dinámico.. Resultados y Conclusiones. El proyecto desarrollado para visualizar imágenes ultrasónograficas nos proporciona una herramienta de fácil manejo dado que fue diseñada bajo el concepto de interfaz gráfica. Cada una de las etapas realizadas tanto a la señal de radio frecuencia como a la imagen ultrasónica obtenida muestran de forma sencilla como obtener información de utilidad que ayude a determinar en algunos casos algún tipo de anomalía en el tejido biológico. La visualización de estas imágenes en la PC permite un nivel de accesibilidad muy importante ya que hoy en día se cuenta fácilmente con PC en casi cualquier lugar. Dentro de las etapas que se llevaron a cabo para la visualización de las imágenes están la demodulación y rectificación de la señal ultrasónografica, la ganancia compensada en el tiempo establecida en la comprensión logarítmica de la señal de radio frecuencia.

23 Cada una de las instrucciones empleadas para poder visualizar las imágenes cumple con una función en específico y ayuda de alguna manera a entender los conceptos básicos para generar una imagen de ultrasonido desde una interfaz de usuario (UI). El IDE MatLab proporciono una serie de ventajas para el diseño de estos algoritmos ya que cuenta con una base de funciones establecidas que ahorraron tiempo en la realización del mismo. La visualización de la imágenes mediante el uso de la interfaz de usuario (UI) nos da la posibilidad de interacción entre el las instrucciones propias de MatLab para ejecutar las funciones. Esta interfaz fue diseñada bajo un concepto simple de estructuras jerárquicas pertenecientes a objetos visuales los cuales permiten con solo elegir una opción del menú y oprimir un botón de activación el cual en este caso son implementados a través de los callbacks de MatLab para llevar así la visualización de la imagen ultrasónografica que finalmente son las que tienen un impacto directo con el usuario. La elección de llevar a cabo la compresión logarítmica de la imagen fue hecha con base en el punto de vista bibliográfico del protocolo de investigación donde se especificaba que se buscaba obtener información de distintas regiones de la imagen. Asimismo cabe destacar que en las mejoras que se tienen a diferencia del antecedente de este proyecto es que se notó considerablemente que el tiempo de respuesta para visualizar la imagen es mínimo, también se destaca el hecho de que ya no se necesitan librerías de terceros (archivos.c) para poder realizar el mapeo en interpolación de la imagen ya que todo el código fuente pertenece al IDE MatLab. Finalmente la decisión de implementar los algoritmos requeridos para hacer la corrección de la imagen, es decir llevar la misma del plano cartesiano al plano polar tuvo dos puntos de partida, el primero se basa en el hecho de explotar las características del IDE MatLab y el segundo conlleva un fin didáctico dado que es difícil encontrar una fuente que muestre de manera básica y explicita los conceptos para la visualización de imágenes ultrasónograficas a través de una interfaz de usuario en MatLab.

24 . Apéndice A. código en MatLab para visualizar la imagen en coordenadas cartesianas: nl = 131; nm = 4096; rastreo. y = fopen('spkim.rf','rb','b'); [Y] = fread(y,[nm nl],'ushort'); en el archivo RF. fclose(y); % Número de líneas de rastreo. % Número de muestras por línea de % Apertura del archivo RF. % Lectura de los datos contenidos % Cierre del archivo RF. Y=Y./16; Y=uint16(Y); env = abs(hilbert(y)); señal ultrasónica de RF. abs_env = abs(env-(mean(env(:)))*ones(nm,nl)); envolvente. log = 20*log10(abs_env); curva de decaimiento logarítmico en db. log_env = (log-max(max(log)))/50*64+64; dinámico a 60 db usando 128 niveles de gris %image(log_env) %colormap(gray) imagesc(y) colormap(gray) image(log_env) colormap(gray) % Envolvente de la % Magnitud de la % Definición de la % Compresión del rango

25 . Apéndice B. código en MatLab para hacer el despliegue de la imagen en coordenadas polares: Y=Apertura; c=1540; fs= ; angle= ; end_depth= ; start_depth=0.0077; delta_r=c/2/fs; theta_start= (-lines/2*angle) ; Nz=512; Nx=512; scaling=1; image_size=0.2; Pres = double(y); env = hilbert(pres); Abs_env= abs(env); Abs_env1=mean(Abs_env(:)); Abs_env2=(Abs_env-Abs_env1*ones(4096,131)); Abs_env3=abs(Abs_env2); Log_env=20*log10(Abs_env3); Log_env=(Log_env-max(max(Log_env)))/Rango* ; env_int=uint8(log_env); Exp_env=exp(Abs_env3); Exp_env=(Exp_env-min(min(Exp_env)))/50* ; env_int2=uint8(exp_env); make_tables (start_depth, image_size,... start_depth, delta_r, size(env_int,1),... theta_start, angle, size(env_int,2),... scaling, Nz, Nx); img_data=make_interpolation (env_int); img_data=double(img_data); imagesc(((0:nx-1)-nx/2)/nx*image_size*1000,... (0:Nz-1)/Nz*image_size*1000+start_depth*1000,img_data) title('imagen Ultrasónografica en Modo-B'); colormap(gray(256))

26 . Apéndice C. código en MatLab generado por la interfaz de usuario para poder visualizar las imágenes ultrasónograficas. function varargout = interfaz(varargin) % INTERFAZ MATLAB code for interfaz.fig % INTERFAZ, by itself, creates a new INTERFAZ or raises the existing % singleton*. % % H = INTERFAZ returns the handle to a new INTERFAZ or the handle to % the existing singleton*. % % INTERFAZ('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in INTERFAZ.M with the given input arguments. % % INTERFAZ('Property','Value',...) creates a new INTERFAZ or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before interfaz_openingfcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to interfaz_openingfcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help interfaz % Last Modified by GUIDE v Jun :01:15 % Begin initialization code - DO NOT EDIT gui_singleton = 1; gui_state = struct('gui_name', mfilename,... 'gui_singleton', gui_singleton,... 'gui_layoutfcn', [],... 'gui_callback', []); if nargin && ischar(varargin{1}) gui_state.gui_callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_state, varargin{:}); else gui_mainfcn(gui_state, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before interfaz is made visible.

27 function interfaz_openingfcn(hobject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hobject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to interfaz (see VARARGIN) % Choose default command line output for interfaz handles.output = hobject; % Update handles structure guidata(hobject, handles); % UIWAIT makes interfaz wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = interfaz_outputfcn(hobject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hobject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % function arch_callback(hobject, eventdata, handles) % hobject handle to arch (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function Untitled_3_Callback(hObject, eventdata, handles) % hobject handle to Untitled_3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function Untitled_5_Callback(hObject, eventdata, handles) % hobject handle to Untitled_5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function ImUltra_Callback(hObject, eventdata, handles) % hobject handle to ImUltra (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

28 Y=Apertura; c=1540; fs= ; angle= ; end_depth= ; start_depth=0.0077; delta_r=c/2/fs; theta_start= (-lines/2*angle) ; Nz=512; Nx=512; scaling=1; image_size=0.2; Pres = double(y); env = hilbert(pres); Abs_env= abs(env); Abs_env1=mean(Abs_env(:)); Abs_env2=(Abs_env-Abs_env1*ones(4096,131)); Abs_env3=abs(Abs_env2); prompt={'escribe el valor del Rango dinamico'} dlgtitle='determinacion del Rango Dinamico' linea=1; def={'50'} Rango_din=inputdlg(prompt,dlgtitle,linea,def) Ran=isempty(Rango_din); if(ran==1) % No hace nada else Rango=str2double(Rango_din) end Log_env=20*log10(Abs_env3); Log_env=(Log_env-max(max(Log_env)))/Rango* ; env_int=uint8(log_env); Exp_env=exp(Abs_env3); Exp_env=(Exp_env-min(min(Exp_env)))/50* ; env_int2=uint8(exp_env); make_tables (start_depth, image_size,... start_depth, delta_r, size(env_int,1),... theta_start, angle, size(env_int,2),... scaling, Nz, Nx); img_data=make_interpolation (env_int); img_data=double(img_data); ha=handles.axes1; hf=handles.figure1; set(ha,'parent',hf); set(hf,'visible','on'); figure(hf); axes(ha) imagesc(((0:nx-1)-nx/2)/nx*image_size*1000,... (0:Nz-1)/Nz*image_size*1000+start_depth*1000,img_data)

29 title('imagen Ultrasonica en Modo-B'); ylabel('distancia Axial [mm]'); xlabel('distancia Lateral [mm]'); colormap(gray(256)) % function ImgRF_Callback(hObject, eventdata, handles) % hobject handle to ImgRF (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) Y=Apertura; Pres = double(y); env = hilbert(pres); Abs_env= abs(env); Abs_env1=mean(Abs_env(:)); Abs_env2=(Abs_env-Abs_env1*ones(4096,131)); Abs_env3=abs(Abs_env2); prompt={'escribe el valor del Rango dinamico'} dlgtitle='determinacion del Rango Dinamico' linea=1; def={'50'} Rango_din=inputdlg(prompt,dlgtitle,linea,def) Ran=isempty(Rango_din); if(ran==1) % No hace nada else Rango=str2double(Rango_din) end hb=handles.axes1; hf=handles.figure1; set(hb,'parent',hf); set(hf,'visible','on'); figure(hf); axes(hb) Log_env=20*log10(Abs_env3); Log_env=(Log_env-max(max(Log_env)))/Rango* ; env_int=uint8(log_env); imagesc(env_int); colormap(gray(256)); title('imagen no mapeada de la compresion logaritmica'); % function Untitled_2_Callback(hObject, eventdata, handles) % hobject handle to Untitled_2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % function Untitled_6_Callback(hObject, eventdata, handles) % hobject handle to Untitled_6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

30 Y=Apertura; ha=handles.axes1; hf=handles.figure1; set(ha,'parent',hf); set(hf,'visible','on'); figure(hf); axes(ha) plot(y); title('señal de RF'); xlabel('amplitud de los ecos [mv]'); ylabel('distancia recorrida [mm]'); % function Untitled_7_Callback(hObject, eventdata, handles) % hobject handle to Untitled_7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) nl = 131; nm = 4096; rastreo. y = fopen('spkim.rf','rb','b'); [Y] = fread(y,[nm nl],'ushort'); en el archivo RF. fclose(y); % Número de líneas de rastreo. % Número de muestras por línea de % Apertura del archivo RF. % Lectura de los datos contenidos % Cierre del archivo RF. Y=Y./16; Y=uint16(Y); env = abs(hilbert(y)); señal ultrasónica de RF. abs_env = abs(env-(mean(env(:)))*ones(nm,nl)); envolvente. log = 20*log10(abs_env); curva de decaimiento logarítmico en db. log_env = (log-max(max(log)))/50*64+64; dinámico a 60 db usando 128 niveles de gris %image(log_env) %colormap(gray ha=handles.axes1; hf=handles.figure1; set(ha,'parent',hf); set(hf,'visible','on'); figure(hf); axes(ha) image(abs_env) colormap(gray) % Envolvente de la % Magnitud de la % Definición de la % Compresión del rango

31 10. Referencias [1]Aguirre M.H., Seminario de Proyectos I y II. 2003, Procesamiento de Señales e Imágenes Ultrasónicas. Universidad Autónoma Metropolitana. [2]Hernández Matos E., Muñoz Gamboa C. Ultrasonido Diagnostico, Editorial USACH, Chile. 2012, Colección Texto Guía. [3]Hernández, M.E., Valdés, C.R Imagenología Médica, Universidad Autónoma Metropolitana. Pág [4]González, P.F. Curso de procesamiento de imágenes. Facultad de informática de la Universidad de Coruña. España [5]González, R.C., Wintz, P. (1996). Procesamiento digital de imágenes. Addison-Wesley. [6]Fritsch C, Sánchez T Detector digital de envolvente. Instituto de automática industrial de Madrid. España [7]Varas M.R Extracción de contornos rectos. Departamento de electrónica automática e información industrial. Universidad politécnica de Madrid. España [8]Grupo de procesamiento de señales Procesado de imagen, universidad de Vigo, España [9]Grupo de procesamiento de imágenes digitales Segmentación de imágenes, departamento de matemáticas aplicadas. Universidad de Sevilla. España [10]Blengio, R. Colensky A Desarrollo de un compresor de audio. Facultad de ingeniería. Universidad de la Republica-Uruguay [11]Arednt J.J Notes for de course. Ultrasound system for blood velocity estimation. Technical university of Denmark