Comparación de Métodos Iterativos de Reconstrucción de Imágenes TAC
|
|
- Joaquín Benítez Naranjo
- hace 8 años
- Vistas:
Transcripción
1 Comparación de Métodos Iterativos de Reconstrucción de Imágenes TAC Vicent Vidal, Liubov A. Flores, Patricia Mayo, Francisco Rodenas, Gumersindo Verdú Abstract En la tomografía axial computarizada (TAC), el conjunto de proyecciones tomadas por un escáner se usa para la reconstrucción interna de un objeto. Debido a la gran complexidad de datos, el problema de reconstrucción es un proceso que consume mucho tiempo computacional. Aunque las CPUs modernas han ganado suficiente poder para ser competitivas para la reconstrucción 2D, este no es el caso para la reconstrucción 3D, especialmente cuando se trata de métodos algebraicos iterativos de reconstrucción. Hoy en día, la tecnología permite reducir de forma efectiva esta deficiencia. El objetivo de este trabajo es mostrar y comparar dos algoritmos iterativos de reconstrucción de imágenes por proyecciones. 1.- Introducción En medicina, el diagnostico basado en la tomografía axial computarizada (TAC) es fundamental para la detección de anormalidades por diferente atenuación de rayos X, que frecuentemente es difícil de distinguir por radiólogos. En TAC, un conjunto de proyecciones tomadas por un escáner se usa para reconstruir la estructura interna de un objeto. Se observa que la intensidad del rayo X que pasa a través de un objeto disminuye. Moviendo la fuente y detectores se obtiene un conjunto de proyecciones que contienen la información sobre la estructura interna del objeto. Una simple proyección k para un ángulo r se define como integral de f(x,y) (intensidades de la imagen ) a lo largo de línea l y se expresa por la formula: P k r = f ( x, y) dl (1), l El problema de reconstrucción consiste en determinar los valores de f(x,y) del conjunto de datos experimentales (proyecciones). En las pasadas tres décadas en TAC han sido propuestos diferentes métodos de reconstrucción. Si los métodos analíticos se derivan de la Transformada de Radon [1], en los algoritmos iterativos se busca optimizar una función objeto, como función de probabilidad máxima o error mínimo. Todos estos algoritmos tienen en común una serie de operaciones que dominan el costo computacional. En TAC, es común encontrar proyecciones incompletas, con ruido o no igualmente espaciadas. En estos casos, las imágenes reconstruidas por los métodos analíticos tienen muchos artefactos y los métodos iterativos son más adecuados, debido a que no requieren el conjunto de proyecciones completo y proporcionan la reconstrucción óptima de imágenes en condiciones ruidosas [2]. Sin embargo, para ser usados en la práctica, los algoritmos iterativos deben ser lo más eficientes posibles en el sentido de precisión y coste computacional. En el proceso de reconstrucción, las operaciones de cómputo son operaciones basadas en pixel o voxel. Estas operaciones tienen pocas dependencias y se ejecutan, comúnmente, en una estructura repetitiva (bucle) muy larga. Las plataformas más apropiadas para este tipo de operaciones son los procesadores vectoriales o arquitecturas masivamente paralelas y las unidades de procesamiento gráfico (GPUs). Aunque estas técnicas son usadas de forma amplia en medicina nuclear (gamma-camera, single photon emission computed tomography (SPECT), positron emission tomography (PET)), su uso en la reconstrucción iterativa en TAC es bastante reciente. El principal motivo es que el conjunto de datos manejados en TAC es mucho mayor que el utilizado en medicina nuclear lo que convierte el proceso de reconstrucción en un proceso de computo más intenso. El desarrollo, diseño e implementación de
2 nuevas técnicas de reconstrucción iterativa que aceleren el proceso de reconstrucción es una área de investigación activa. Stone et al. [3] describen una implementación acelerada de reconstrucción en unidades de procesamiento grafico (GPUs) para las imágenes de resonancia magnética (MRI), reconstruyendo imágenes de voxels en más de un minuto. Johnson y Sofer [4] proponen un método paralelo para las aplicaciones de tomografía de emisión. El método es capaz de explorar la dispersidad y simetría del modelo de simulación y demuestran que su esquema es aplicable para la mayoría de algoritmos iterativos de reconstrucción. El tiempo necesario para la reconstrucción de una imagen de 128x128x23 voxels es de más de 3 minutos. Pratx et al [5] muestra los resultados de reconstrucción iterativa utilizando GPU en PET. El tiempo requerido en una GPU para una imagen de voxels es 8.8 segundos. La implementación con varias GPUs de la reconstrucción tomográfica acelera la reconstrucción de imágenes de 350x350x9 voxels hasta 67 segundos en una sola GPU y hasta 32 segundos en cuatro GPUs [6]. Ya que el objetivo es obtener reconstrucciones de imágenes en 3D y además en tiempo real, aún queda mucha investigación que realizar en este campo. En los trabajos previos[7-8], se analizaron la utilización de la librería Extensive Toolkit for Scientific computation (PETSc) y el uso del formato binario de datos para facilitar el trabajo de programación y acelerar el proceso de reconstrucción. En este trabajo, además de comparar dos técnicas iterativas de reconstrucción de imágenes también se presentan los resultados obtenidos al utilizar entornos de alto rendimiento GPUs. El resto del trabajo está organizado de la siguiente manera. En sección 2, se presentan los aspectos matemáticos del método Least Square QR (LSQR) y del Maximum likelihood (MLEM) en la tomografía de transmisión más relevantes a este trabajo. En sección 3, se describe la metodología usada para llevar a cabo los experimentos. En sección 4, se presentan los resultados obtenidos y, finalmente, se hacen algunas conclusiones. 2.- Consideraciones teoricas En la literatura, se han presentado varios algoritmos para resolver el problema de reconstrucción dado por (2)[9]. En el método algebraico, el problema de reconstrucción se reduce a la resolución de un sistema de ecuaciones lineales: A x = P, (2) donde la matriz del sistema A simula el funcionamiento de la tomografía computarizada y sus elementos dependen del número de proyección y del ángulo bajo cual se toma la proyección, x es un vector columna cuyos elementos representan las intensidades de la imagen a calcular, y el vector columna P corresponde a! las proyecciones recolectadas por el escáner. Entonces, en este enfoque, la reconstrucción es equivalente a la resolución del sistema de ecuaciones lineales (2) en términos de las proyecciones medidas. Muchas propiedades de la imagen reconstruida dependen de las aproximaciones cuando se calcula la matriz del sistema (2). En la práctica, A es una matriz rectangular, dispersa de gran tamaño y, por lo tanto, para su almacenamiento es recomendable utilizar formatos del tipo Compact Sparse Row (CSR) o Compact Sparse Column (CSC) que permiten almacenar sólo los elementos diferentes de cero en un formato muy compacto que reduce los requerimientos de memoria y por lo tanto permite disminuir el coste computacional. La matriz del sistema puede ser pre-calculada, solamente se calcula una vez, y es utilizada en cada combinación de proyecciones P, de esta forma se acelera el proceso de reconstrucción.
3 En el método Expectation Maximization, primero se define la función objetivo y después se optimiza. Se considera que el ruido en las proyecciones sigue la distribución de Poisson [8]. A. Maximum Likelihood Expectation Maximization para la tomografía de transmición (MLEM). El proceso MLEM busca la imagen que hace más probables de ocurrir los datos experimentales. La idea básica de este algoritmo es como sigue: dado un conjunto de datos experimentales y, encontrar la distribución del coeficiente lineal de atenuación µ que maximiza la probabilidad P(µ/y) [10]. Las iteraciones en MLEM se escriben como: m x k+1 k p i A ij j = x j " m, (3) i=1 x k i A ij " i=1! donde x = { x j j = 1, 2,..., n 2 } es el vector que representa la imagen de n 2 píxeles, { } representa las proyecciones, p =! p i i = 1, 2,..., m A = { A ij }es la matriz de sistema de mxn 2, cuyos elementos dan la proporción del rayo i a través del pixel j. MLEM es un algoritmo robusto! numéricamente y permite incorporar la información previa de una forma fácil.! B. Least Square QR method (LSQR). El Segundo algoritmo empleado para resolver el sistema de ecuaciones (2) es el algoritmo iterativo Least Square QR (LSQR) [11]. Con este método, el sistema (2) se resuelve minimizando el error: min Ax P 2. La matriz A es normalmente muy grande y dispersa y se usa solo para calcular los productos de la forma Av and A T u para varios vectores v y u. A puede ser calculada de diferentes maneras. En este trabajo, hemos usado el algoritmo de Siddon [12] para generar elementos de la matriz en una malla rectangular. En [13] se muestra que este algoritmo da una buena aproximación de la matriz A. 3.- Implementación en una Tarjeta GPU Para definir la plataforma para llevar a cabo el computo ayuda entender que las operaciones envueltas en el computo son operaciones basadas en pixel y/o voxel y tienen poca dependencia. Unas de las plataformas más apropiada para este tipo de computación son las GPUs. Las unidades de procesamiento gráfico como NVIDIA Tesla K20c se han utilizado en el experimento. Estas tarjetas tienen en total 2496 cuda cores con 5GB de memoria compartida por todos los cores. La utilización de las GPUs con la habilidad de computación paralela puede elevar considerablemente la eficiencia de cómputo de los algoritmos. Asimismo, NVIDIA introduce un nuevo modelo de programación CUDAT [14] que proporciona una forma de resolución de muchos problemas complejos en una forma más eficiente que en CPU. También hemos utilizado las librerías CUBLAS [15] y CUSPARSE [16] que permiten acceder a los recursos computacionales de las unidades de procesamiento grafico de NVIDIA. La librería CUBLAS es la implementación de BLAS (Basic Linear Algebra Subprograms) en CUDA runtime. La librería CUSPARSE incluye el conjunto de rutinas de algebra lineal para efectuar operaciones entre matrices y vectores dispersas así como las rutinas de conversión entre diferentes formatos de matrices
4 dispersas. 4.- Resultados En el experimento, hemos analizado dos algoritmos iterativos (LSQR y MLEM) implementados en una sola unidad GPU. Hemos utilizado las proyecciones reales e imágenes de referencia adquiridos en el Hospital Clínico Universitario en Valencia. Las proyecciones fueron recolectadas por un escáner con 512 detectores en el rango con espacio angular de 0.9 grados. Utilizando la estructura de la matriz, el conjunto dado de proyecciones fue completado hasta 360 grados. Para analizar la capacidad de los algoritmos iterativos de reconstruir imágenes por menor número de proyecciones, del conjunto inicial fueron derivados subconjuntos de proyecciones (con el paso angular de 0.9, 1.8, and 3.6 grados). Los experimentos se han procesado en el sistema gpu.dsic.upv.es, que se caracteriza por disponer de CPUs de 2.6 GHz y tarjetas NVIDIA TESLA K20c GPU que pertenece al Departamento de Sistemas y Computación de la Universidad Politécnica da Valencia. Para las imágenes de tamaños 256x256 y 512x512 píxeles se proporcionan en la tabla 1 los tiempos de reconstrucción en una CPU con 1 core y en una sola unidad de GPU. La desviación estándar de los resultados al correr la aplicación diez veces es de 2.9e-004. En la matriz del sistema, el número de filas se obtiene multiplicando el número de detectores y ángulos utilizados y corresponde al número de proyecciones utilizados para reconstruir la imagen; el número de columnas corresponde a la resolución de la imagen (256x256 and 512x512 píxeles). Tabla 1. Tiempo de reconstrucción (en segundos) con LSQR en CPU y GPU Matriz del sistema (filas x columnas) CPU (un core) GPU (una unidad) (256x100) x (256x256) (256x200) (256x256) (256x400) x (256x256) (512x100) x (512x512) (512x200) x (512x512) Una iteración por el algoritmo MLEM requiere 132 segundos. Comparado con LSQR (1,1 segundo por iteración), se puede concluir que el proceso de reconstrucción con LSQR es mucho más rápido. En Fig. 1 se presentan las imágenes (512x512 píxeles) reconstruidas por los algoritmos LSQR y MLEM. La implementación del algoritmo LSQR acelera la reconstrucción hasta 30 veces comparado con CPU con la calidad de imagen comparativamente aceptable. Para la comparación cualitativa entre las imágenes de referencia (I 1 ) y reconstruidas (I 2 ) hemos utilizado las siguientes funciones:
5 Mean square error: MSE = Peak signal-to-noise ratio: n n i= 1 j= 1 [ I 1 ( i, j) I 2 ( i, j)] 2 1 MAX I PSNR = log10, nn MSE donde n corresponde a la resolución (nxn píxeles) de la imagen reconstruida, MAX I es el valor máximo posible del pixel de la imagen. 2, Fig. 1. Imágenes reconstruidas: a) imagen de referencia, b) reconstrucción LSQR, c) reconstrucción MLEM Los resultados de la comparación cuantitativa de la calidad de la imagen reconstruida con la imagen de referencia se dan en Tabla 2. Estos resultados muestran que el algoritmo LSQR es capaz de reconstruir imágenes de buena calidad.
6 Tabla 2. Comparación cuantitativa de imágenes reconstruidas por LSQR y MLEM Imagen 256x256 MSE PSNR Reconstrucción LSQR Reconstrucción MLEM Conclusiones En este trabajo hemos analizado la posibilidad de reconstruir imágenes médicas comparando dos métodos iterativos. Los resultados muestran la capacidad del método LSQR de reconstruir la estructura interna de un objeto por menor número de proyecciones con la calidad comparativa aceptable. Esto puede llevar a la posibilidad de disminuir el tiempo de radiación en pacientes. El algoritmo LSQR es capaz de reconstruir imágenes sin la necesidad de tener un conjunto de proyecciones completas y con el bajo costo computacional. Aunque MLEM es uno de los algoritmos estadísticos más utilizados, los resultados muestran que nuestra implementación no es satisfactoria. Nosotros seguimos trabajando en mejorar la implementación del algoritmo y también esperamos los resultados más significativos en la reconstrucción 3D donde está envuelto un gran número de cómputo. Referencias [1] R. S. Deans, The Radon transform and some of its applications. Dover Publications, INC. Mineola, New York, [2] G. Wang, H.Yu, and B. De Man, An outlook on X-ray CT research and development. Medical Physics, 35(3): , Mar [3] Stone S. S., Haldar J. P., Tsao S.C., Hwu W.-m W., Sutton B. P., Liang Z. P., Accelerating advanced MRI reconstructions on GPUs. Journal of Parallel and Distributed Computing, vol. 68, issue 10, [4] Johnson C.A., Sofer. A., A data-parallel algorithm for iterative tomographic image reconstruction. Frontiers of Massively Parallel Computation, pp [5] Pratx G., Chinn G., Olcott P.D., Levin C. S., Fast, Accurate and Shift-Varying Line Projections for Iterative Reconstruction Using the GPU. IEEE Transactions on Medical Imaging, 28(3), pp [6] Jang B, Kaeli D., Do S., Pien H., Multi GPU implementation of iterative tomographic reconstruction algorithms. Biomedical Imaging: From Nano to Macro, pp [7] Flores L., Vidal V., Mayo P., Rodenas F., Verdú G. Iterative reconstruction of CT images with PETSc. BMEI 2011; vol. 1 p [8] Flores L.,Vidal V., Mayo P., Rodenas F., Verdú G., Fast parallel algorithm for CT image reconstruction. Proceedings of the IEEE EMBC, p , [9] Herman, G. T. Fundamentals of computerized tomography: Image reconstruction from projection. 2nd ed. Springer; [10] L. A. Shepp and Y. Vardi, Maximum Likelihood Reconstruction for Emission Tomography. IEEE Transactions on Medical Imaging, vol. MI-1, NO. 2, October 1982 [11] Paige C. C. and Saunders M. A., LSQR: An Algorithm for Sparse Linear Equations and Sparse Least Squares, ACM Trans. Math. Sof., 8, 1, p [12] Siddon R.. Fast calculation of the exact radiological path length for a three dimensional CT array. Med. Phys. 1985; 12: p [13] T. Cibeles Mora Mora, Tesis PhD. Métodos de reconstrucción volumétrica algebraica de imágenes tomográficas, [14] Cuda C Programming Guide. Downloaded in Oct from URL [15] CUBLAS Library. Downloaded in Oct from URL [16] CUSPARSE Library. Downloaded in Oct from URL
http://www.reunionanualsne.es/hemeroteca-ra/heme-ponencias
Document downloaded from: http://hdl.handle.net/10251/48286 This paper must be cited as: Vidal Gimeno, VE.; Flores, LA.; Mayo Nogueira, P.; Ródenas Escribá, FDA.; Verdú Martín, GJ. (2013). Reconstrucción
Más detallesReconstrucción Iterativa de Imágenes TAC basada en GPUs
Reconstrucción Iterativa de Imágenes TAC basada en GPUs Vicent Vidal, Liubov A. Flores, Patricia Mayo, Francisco Rodenas, Gumersindo Verdú, Universidat Politècnica de València (vvidal@dsic.upv.es) Resumen
Más detallesDocument downloaded from: http://hdl.handle.net/10251/48291 This paper must be cited as: Flores, L.; Vidal Gimeno, VE.; Mayo Nogueira, P.; Ródenas Escribá, FDA.; Verdú Martín, GJ. (2011). Reconstrucción
Más detallesGPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS
GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS MAURO CANABÉ SERGIO NESMACHNOW Centro de Cálculo, Facultad de Ingeniería Universidad de la República, Uruguay GPU IMPLEMENTATIONS
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesCAPÍTULO 6 SIMULACIONES Y RESULTADOS
CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco
Más detallesUn filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.
Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro
Más detallesMATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS
Tema 1.- MATRICES MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos de la Ingeniería 1 Un poco de historia Lord Cayley es uno de los fundadores de la teoría
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesCAPÍTULO 7 7. CONCLUSIONES
CAPÍTULO 7 7. CONCLUSIONES 7.1. INTRODUCCIÓN 7.2. CONCLUSIONES PARTICULARES 7.3. CONCLUSIONES GENERALES 7.4. APORTACIONES DEL TRABAJO DE TESIS 7.5. PROPUESTA DE TRABAJOS FUTUROS 197 CAPÍTULO 7 7. Conclusiones
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detallesI+D en Imagen Médica en Tomografía
I+D en Imagen Médica en Tomografía Magdalena Rafecas, IFIC, Valencia Magdalena.Rafecas@ific.uv.es I. Introducción pag. 1 II. Unidad de Imagen Médica en la Gran Instalación pag. 5 III.Anexo: Descripción
Más detallesAlgoritmo Paralelo de Reconstrucción de Imágenes TAC*
Algoritmo Paralelo de Reconstrucción de Imágenes TAC* Vicent Vidal, Liubov Flores, Patricia Mayo, Francisco Rodenas, Gumersindo Verdú Universidad Politécnica de Valencia Valencia, España Resumen En la
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesEL MODELO DE DATOS RASTER
EL MODELO DE DATOS RASTER El modelo de datos raster, como señala Bosque (1992), es el modelo de datos complementario al modelo vectorial presentado anteriormente. Tiene como principal característica el
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesModelo de aplicaciones CUDA
Modelo de aplicaciones CUDA Utilización de GPGPUs: las placas gráficas se utilizan en el contexto de una CPU: host (CPU) + uno o varios device o GPUs Procesadores masivamente paralelos equipados con muchas
Más detallesII. Estudio de satisfacción de los titulados y empleadores respecto al desempeño laboral de los profesionales de la UBB Introducción
II. Estudio de satisfacción de los titulados y empleadores respecto al desempeño laboral de los profesionales de la UBB Introducción Una de las finalidades del Convenio de Desempeño hace referencia a mejorar
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesBase de datos en Excel
Base de datos en Excel Una base datos es un conjunto de información que ha sido organizado bajo un mismo contexto y se encuentra almacenada y lista para ser utilizada en cualquier momento. Las bases de
Más detalles4. Programación Paralela
4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios
Más detallesRetorno de la inversión
Retorno de la inversión de Gestión de Talentos EL IMPACTO EMPRESARIAL de la Gestión de Talentos 23 % 4,6 % incremento ingresos por empleado capitalización del mercado 77 % de los clientes con mejora de
Más detallesSÍNTESIS Y PERSPECTIVAS
SÍNTESIS Y PERSPECTIVAS Los invitamos a observar, a identificar problemas, pero al mismo tiempo a buscar oportunidades de mejoras en sus empresas. REVISIÓN DE CONCEPTOS. Esta es la última clase del curso.
Más detallesIntroducción al Cálculo Simbólico a través de Maple
1 inn-edu.com ricardo.villafana@gmail.com Introducción al Cálculo Simbólico a través de Maple A manera de introducción, podemos decir que los lenguajes computacionales de cálculo simbólico son aquellos
Más detallesDirección de Planificación Universitaria Dirección de Planificación Universitaria 0819-07289 Panamá, Rep. de Panamá 0819-07289 Panamá, Rep.
Comparación de las tasas de aprobación, reprobación, abandono y costo estudiante de dos cohortes en carreras de Licenciatura en Ingeniería en la Universidad Tecnológica de Panamá Luzmelia Bernal Caballero
Más detallesEvaluación de Competencias en Ingeniería: El caso de cálculo. Elena Fabiola Ruiz Ledesma
Evaluación de Competencias en Ingeniería: El caso de cálculo Introducción Debido a las nuevas competencias que reclama la sociedad, las universidades están rediseñando sus carreras a través de nuevos perfiles
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesValidación de un Método Instrumental
Validación Validación de un Método Instrumental Un Proceso de Validación Consiste de al menos las siguientes etapas: Validación del Software Validación del Hardware ( Instrumento) Validación del Método
Más detallesEl Éxito del ICFES frente al reto de la Flexibilidad. Ingrid Picón Directora de Tecnología e Información ICFES
El Éxito del ICFES frente al reto de la Flexibilidad Ingrid Picón Directora de Tecnología e Información ICFES Acerca del ICFES Entidad especializada en ofrecer servicios de evaluación de la educación en
Más detalles1. Introducción. 1.1. Organización de la tesis
1. Introducción 1.1. Organización de la tesis El incremento en el uso de imágenes médicas ha propiciado el desarrollo de herramientas que permitan aprovechar de la mejor manera posible la información obtenida,
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detalles7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
Más detalles1.1 EL ESTUDIO TÉCNICO
1.1 EL ESTUDIO TÉCNICO 1.1.1 Definición Un estudio técnico permite proponer y analizar las diferentes opciones tecnológicas para producir los bienes o servicios que se requieren, lo que además admite verificar
Más detallesConclusiones. Particionado Consciente de los Datos
Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser
Más detallesPRUEBAS DE SOFTWARE TECNICAS DE PRUEBA DE SOFTWARE
PRUEBAS DE SOFTWARE La prueba del software es un elemento crítico para la garantía de la calidad del software. El objetivo de la etapa de pruebas es garantizar la calidad del producto desarrollado. Además,
Más detallesCAPITULO I. Introducción. En la actualidad, las empresas están tomando un papel activo en cuanto al uso de sistemas y
CAPITULO I Introducción 1.1 Introducción En la actualidad, las empresas están tomando un papel activo en cuanto al uso de sistemas y redes computacionales. La tecnología ha ido evolucionando constantemente
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005
Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =
Más detallesCAPÍTULO VI CONCLUSIONES Y RECOMENDACIONES
CAPÍTULO VI CAPÍTULO VI CONCLUSIONES Y RECOMENDACIONES El CRM considera el potencial para aumentar las ventas de la empresa a través de programas destinados a los clientes actuales recurriendo a promociones
Más detalles4 Pruebas y análisis del software
4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesRedes de Kohonen y la Determinación Genética de las Clases
Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados
Más detallesCAPÍTULO 1 PROYECTO DE TESIS. Proyecto de Tesis. 1.1 Introducción
CAPÍTULO 1 PROYECTO DE TESIS 1.1 Introducción La tesis que a continuación se desarrolla se desprende de un Simulador de Negocios llevado a cabo a lo largo del semestre de primavera 2004, éste es organizado
Más detallesEl outsourcing o tercerización u operador logístico
El outsourcing o tercerización u operador logístico Es una de la mega tendencia en los tiempos de la globalización que cada día toma mayor auge en el mundo empresarial y consiste básicamente en la contratación
Más detallesRELACIONES DE RECURRENCIA
Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos
Más detallesCAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.
Más detallesCapítulo 10. Estudio de un caso con parámetros reales: acuífero de Borden
Capítulo 10. Estudio de un caso con parámetros reales: acuífero de Borden Tras la realización de muchos casos sintéticos y un estudio detallado de todos los parámetros que intervienen en el problema y
Más detallesFundamentos de Matemática Aplicada. (Prácticas)
Fundamentos de Matemática Aplicada (Prácticas) Damián Ginestar Peiró UNIVERSIDAD POLITÉCNICA DE VALENCIA 1 Índice general 1. Matrices dispersas 3 1.0.1. Esquemas de almacenamiento.............. 3 1.0.2.
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detalles4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD
4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,
Más detalles1 ÍNDICE... 3 Instalación... 4 Proceso de instalación en red... 6 Solicitud de Código de Activación... 11 Activación de Licencia... 14 2 3 REQUERIMIENTOS TÉCNICOS E INSTALACIÓN Requerimientos Técnicos
Más detallesRESUMEN CUADRO DE MANDO
1. Objetivo Los objetivos que pueden alcanzarse, son: RESUMEN CUADRO DE MANDO Disponer eficientemente de la información indispensable y significativa, de modo sintético, conectada con los objetivos. Facilitar
Más detallesCAPÍTULO 1 INTRODUCCIÓN
CAPÍTULO 1 INTRODUCCIÓN 1.0 INTRODUCCIÓN El desarrollo económico en la actualidad, ha propiciado una gran expansión de los mercados que comienzan a verse saturados de bienes, y el problema fundamental
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesVI PLAN DE PRUEBAS, RESULTADOS Y RECOMENDACIONES
VI PLAN DE PRUEBAS, RESULTADOS Y RECOMENDACIONES En la presente sección, se realiza el correspondiente plan de pruebas del prototipo con la finalidad de exponer las estrategias y recursos necesarios para
Más detallesRegistro 3D multimodal de imágenes anatómicas (MRI) y funcionales (fmri y PET) intra-paciente del cerebro
Registro 3D multimodal de imágenes anatómicas (MRI) y funcionales (fmri y PET) intra-paciente del cerebro A.G. Legaz-Aparicio 1, R. Verdú-Monedero 1, J. Larrey-Ruiz 1, F. López-Mir 2, V. Naranjo 2, A.
Más detallesMODELOS DE RECUPERACION
RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN
Más detallesCURSO COORDINADOR INNOVADOR
CURSO COORDINADOR INNOVADOR PRESENTACIÓN La tarea que el Ministerio de Educación se propone a través de Enlaces, en relación al aseguramiento del adecuado uso de los recursos, con el fin de lograr un impacto
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesPorque amamos la vida, velamos por su seguridad
MINISTERIO DE CIENCIA, TECNOLOGÍA Y MEDIO AMBIENTE OFICINA DE REGULACION AMBIENTAL Y SEGURIDAD NUCLEAR http://www.medioambiente.cu/oregulatoria/cnsn/index.htm CENTRO NACIONAL DE SEGURIDAD NUCLEAR http://www.medioambiente.cu/oregulatoria/cnsn/index.htm
Más detallesT E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA
OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE Aplicación a la INDUSTRIA de la construcción 1 El presente estudio propone el uso de un algoritmo comúnmente utilizado en la rama de investigación
Más detallesFiltrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional
Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional Mario A. Bueno a, Josué Álvarez-Borrego b, Leonardo Acho a y Vitaly Kober c mbueno@cicese.mx,
Más detallesEl almacén de indicadores de proceso de negocio en ejecución
X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 El almacén de indicadores de proceso de negocio en ejecución Andrés Boza García 1, Angel Ortiz Bas 1, Llanos Cuenca Gonzalez
Más detallesNº 354 SEPTIEMBRE BIS PROGRAMA Y SINOPSIS DE LAS PONENCIAS. Nuclear España Nº 354 Septiembre bis 2014 SOCIEDAD NUCLEAR ESPAÑOLA
Nº 354 SEPTIEMBRE BIS 2014 1974-2014 Nuclear España Nº 354 Septiembre bis 2014 PROGRAMA Y SINOPSIS DE LAS PONENCIAS SOCIEDAD NUCLEAR ESPAÑOLA 2 PRESENTACIÓN 3 ORGANIZACIÓN 4 SALUDAS 5 PROGRAMA GENERAL
Más detallesCAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA. Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo
CAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo Laboratorio de Redes de Neuronas Artificiales y Sistemas Adaptativos Universidade
Más detallesBREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detallesModelando la cadena de suministro como un problema de programación multinivel y su solución a través de la programación multiparamétrica
Modelando la cadena de suministro como un problema de programación multinivel y su solución a través de la programación multiparamétrica Introducción La importancia de la cadena de suministro Lo siento,
Más detallesIMPACTO DEL DESARROLLO TECNOLOGICO EN LA AUDITORIA
V REUNIÓN DE AUDITORES INTERNOS DE BANCA CENTRAL 8 AL 11 DE NOVIEMBRE DE 1999 LIMA - PERÚ IMPACTO DEL DESARROLLO TECNOLOGICO EN LA AUDITORIA Claudio Urrutia Cea Jefe de Auditoría BANCO CENTRAL DE CHILE
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesFUENTES SECUNDARIAS INTERNAS
FUENTES SECUNDARIAS INTERNAS Las fuentes secundarias son informaciones que se encuentran ya recogidas en la empresa, aunque no necesariamente con la forma y finalidad que necesita un departamento de marketing.
Más detallesMARCO METODOLÓGICO CAPITULO III
MARCO METODOLÓGICO CAPITULO III CAPITULO III MARCO METODOLÓGICO En esta sección se presenta el tipo de investigación, las técnicas de recolección de datos y finalmente la metodología utilizada para el
Más detalles8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el
Más detallesDE VIDA PARA EL DESARROLLO DE SISTEMAS
MÉTODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS 1. METODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS CICLO DE VIDA CLÁSICO DEL DESARROLLO DE SISTEMAS. El desarrollo de Sistemas, un proceso
Más detallesUnidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal)
Unidad I Sistemas numéricos 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS.
Más detallesANALIZANDO GRAFICADORES
ANALIZANDO GRAFICADORES María del Carmen Pérez E.N.S.P.A, Avellaneda. Prov. de Buenos Aires Instituto Superior del Profesorado "Dr. Joaquín V. González" Buenos Aires (Argentina) INTRODUCCIÓN En muchos
Más detallesSeis Sigma. Nueva filosofía Administrativa.
Seis Sigma. Nueva filosofía Administrativa. GIN. Filosofía de Calidad. El Seis Sigma es un parámetro cuya base principal es la desviación estándar y su enfoque es reducir la variación y/o defectos en lo
Más detallesIntroducción a la Estadística con Excel
Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos
Más detalles"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Más detallesEn nuestro capitulo final, daremos las conclusiones y las aplicaciones a futuro
Capitulo 6 Conclusiones y Aplicaciones a Futuro. En nuestro capitulo final, daremos las conclusiones y las aplicaciones a futuro para nuestro sistema. Se darán las conclusiones para cada aspecto del sistema,
Más detallesPROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables
Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver
Más detallesINTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS
INTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS La física es la más fundamental de las ciencias que tratan de estudiar la naturaleza. Esta ciencia estudia aspectos tan básicos como el movimiento,
Más detallesCapacidad de procesamiento del compilador Python para el Sistema Operativo Windows y Linux Palabras Clave:
Capacidad de procesamiento del compilador Python para el Sistema Operativo Windows y Linux Stiven Unsihuay, Paulo Pereira, Norma León unsihuay_carlos@hotmail.com, paulopereiraa10@gmail.com, nleonl@usmp.pe
Más detalles1.2 Qué es un Sistemas de Información Geográfica?
1.1 Introducción En los últimos años, se ha desarrollado software especializado que permite el manejo de cartografía por computadora, favoreciendo a diferentes áreas, en el proceso de toma de decisiones.
Más detalles-Plan de Estudios- Ingenieria Industrial
-Plan de Estudios- Ingenieria Industrial CONTENIDOS 1) Presentación 5) Objetivos 2) Requisitos 6) Cursos Obligatorios 3) Plan de Estudios / Duración 7) Cursos Sugeridos 4) Tabla de Créditos 1) Presentación
Más detalles1. Construcción de Planes de Acción Sectoriales (PAS)
1. Construcción de Planes de Acción Sectoriales (PAS) La construcción de los PAS es la prioridad de trabajo de la ECDBC en el 2013. Los PAS estarán constituidos por diferentes medidas de mitigación (políticas,
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesEl ABC de Big Data: Analytics, Bandwidth and Content
Documento técnico El ABC de Big Data: Analytics, Bandwidth and Content Richard Treadway e Ingo Fuchs, NetApp, Noviembre de 2011 WP-7147 RESUMEN EJECUTIVO Las empresas entran en una nueva era en la que
Más detallesCapítulo VI. Conclusiones. En este capítulo abordaremos la comparación de las características principales y
Capítulo VI Conclusiones En este capítulo abordaremos la comparación de las características principales y de las ventajas cada tecnología Web nos ofrece para el desarrollo de ciertas aplicaciones. También
Más detallesElementos requeridos para crearlos (ejemplo: el compilador)
Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción
Más detalles8. CONCLUSIONES Y RECOMENDACIONES
8. CONCLUSIONES Y RECOMENDACIONES 8.1 Conclusiones En el proyecto de tesis Realización de software educativo para simular la dispersión de contaminantes atmosféricos se desarrolló un programa computacional
Más detallesIntroducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Sección de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesTratamiento borroso del intangible en la valoración de empresas de Internet
Tratamiento borroso del intangible en la valoración de empresas de Internet Mª Carmen Lozano Gutiérrez Federico Fuentes Martín Esta página está alojada por el Grupo EUMED.NET de la Universidad de Málaga
Más detallesCapítulo 2 Tratamiento Contable de los Impuestos. 2.1 Normas Internacionales de Contabilidad
Capítulo 2 Tratamiento Contable de los Impuestos 2.1 Normas Internacionales de Contabilidad Las Normas Internacionales de Contabilidad (NIC) o International Financial Reporting Standard (IFRS) son los
Más detallesUCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesAl final de este documento, está el link al artículo publicado sobre este trabajo, en la revista Medicina Naturista de la facultad.
LA EFECTIVIDAD EN LOGRAR UN EMBARAZO DEL MÉTODO NATURISTA DE FERTILIDAD ESTUDIO El objetivo de este estudio, fue mostrar como el método naturista de fertilidad, mejora la fertilidad y la capacidad reproductiva
Más detalles