La eficiencia de aplicar muestreo comprimido y resolución múltiple en tomografía por ultrasonido
Introducción: esta publicación es el producto de la investigación desarrollada dentro de las líneas del grupo
de investigación Detección Inteligente, Procesamiento de Señales y Aplicaciones (3SPA, Smart Sensing, Signal Processing, and Applications) a lo largo de 2018, que respalda el trabajo de un doctorado en la Universidad deIngeniería y Tecnología de VNU, Vietnam.
Problema: las limitaciones de las técnicas de diagnóstico por ultrasonido que utilizan información de eco han motivado el estudio de nuevos modelos de imágenes para crear información cuantitativa adicional de ultrasonidos en dispositivos de imágenes de modelos múltiples. Una solución prometedora es utilizar el contraste de sonido de la imagen porque es capaz de detectar cambios en las estructuras de los tejidos enfermos. La tomografía por ultrasonido muestra los cambios en la velocidad del sonido en el medio de propagación de las ondas sonoras. Esta técnica se usa principalmente para obtener imágenes de células que causan cáncer en los senos de las mujeres.
Objetivo: el objetivo de la investigación es proponer un método combinado para la tomografía de ultrasonido eficiente.
Metodología: en este documento se propuso un enfoque para mejorar la calidad de la imagen y reducir el tiempo diante la aplicación de la técnica de detección comprimida junto con la técnica de resolución múltiple
para el DBIM.
Resultados: los resultados de la simulación indican que el tiempo de imagen se reduce en un 33 % y la calidad de imagen se mejora en un 83 %.
Conclusión: este proyecto busca proponer una mejora en la tomografía por ultrasonido. Los resultados simulados confirmaron la viabilidad del método sugerido.
Originalidad: a través de esta investigación, se formula por primera vez un método combinado de detección comprimida y resolución múltiple en la tomografía por ultrasonido.
Limitaciones: la falta de experimentos para confirmar el método propuesto.
Cómo citar
Licencia
Derechos de autor 2019 Ingeniaría Solidaria
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Compromiso ético y cesión de derechos
El autor debe declarar que su trabajo es original e inédito y que no se ha postulado a evaluación simultánea para su publicación por otro medio. Además, debe asegurar que no tiene impedimentos de ninguna naturaleza para la concesión de los derechos previstos en el contrato.
El autor se compromete a esperar el resultado de evaluación de la revista Ingeniería Solidaria, antes de considerar su presentación a otro medio; en caso de que la respuesta de publicación sea positiva, adicionalmente, se compromete a responder por cualquier acción de reivindicación, plagio u otra clase de reclamación que al respecto pudiera sobrevenir por parte de terceros.
Asimismo, debe declarar que, como autor o coautor, está de acuerdo por completo con los contenidos presentados en el trabajo y ceder todos los derechos patrimoniales, es decir, su reproducción, comunicación pública, distribución, divulgación, transformación, puesta a disposición y demás formas de utilización de la obra por cualquier medio o procedimiento, por el término de su protección legal y en todos los países del mundo, al Fondo Editorial de la Universidad Cooperativa de Colombia, de manera gratuita y sin contraprestación presente o futura.
O.S. Haddadin and E.S. Ebbini, “Solution to the inverse scattering problem using a modified distorted Born iterative algorithm,” Proceedings of IEEE Ultrasonics Symposium, pp. 1411-1414.
J. Wiskin, D.T. Borup, S.A. Johnson, M. Berggren, T. Abbott, and R. Hanover R. “Full-wave, non-linear, inverse scattering high resolution quantitative breast tissue tomography,” Acoustical Imaging, vol. 28, pp. 183-193.
A. Abubakar, T. M. Habashy, P. M. Van den Berg, and D. Gisolf, “The diago-nalized contrast source approach: An inversion method beyond the Born approximation,” Inverse Problems, vol. 21, pp. 685-702.
A.J. Devaney, “Inversion formula for inverse scattering within the Born approximation,” Optics Letters, vol. 7, pp. 111-112.
A.J. Hesford and W.C. Chew, “Fast inverse scattering solutions using the dis-torted Born iterative method and the multilevel fast multipole algorithm,” J Acous Soc America, vol. 128, pp. 679-690.
L. V. Wang, Photoacoustic imaging and spectroscopy. CRC Press, 2009.
R. A. Kruger, D. R. Reinecke, and G. A. Kruger, “Thermoacoustic computed tomography-technical considerations,” Med Phys, vol. 26, no. 9, pp. 1832-1837.
J. R. McLaughlin, N. Zhang, and A. Manduca A., “Calculating tissue shear modulus and pressure by 2D logelastographic methods,” Inverse Problems, 26085007.
Y. Xu and B. He, “Magnetic Acoustic to-mography with magnetic induction (MAT-MI),” Phys. Med. Bio, vol. 50, pp. 5175-5187.
E.J. Candès, J. Romberg, and T. Tao, “Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information,” IEEE Transactions on Information Theory, vol. 52, no. 2, pp. 489-509.
D.L. Donoho, “Compressed sensing,” IEEE Transactions on Information Theory, vol. 52, no. 4, pp. 1289-1306.
Tran-Duc, Tan, Nguyen Linh-Trung, and M. N. Do., “Modified Distorted Born Iterative Method for Ultrasound Tomography by Random Sampling,” International Symposium on Communications and Information Technologies (ISCIT), pp. 1065-1068.
R. Sloun, Pandharipande, A. Mischi, and L. Demi, “Compressed Sensing for Ultrasound Computed Tomography,” IEEE Transactions on Biomedical Engineering, vol. 62, no. 6, pp. 1660-1664.
Medgadget. (2014) Delphinus Medical's SoftVue Ultrasound Tomography System Cleared in U.S. [Online]. Available: http://www.medgadget.com/2014/01/delphinus-medicals-softvue-ultrasound-tomography-system-cleared-in-u-s.html.
R. J. Lavarello and M. L. Oelze, “Tomographic Reconstruction of Three-Dimensional Volumes Using the Distorted Born Iterative Method,” IEEE Transactions on Medical Imaging, vol. 28, pp. 1643-1653.
K. Seung-Jean, et al., “An interior-point method for large-scale l1-regularized least squares (2007),” IEEE Journal of Selected Topics in Signal Processing, vol. 1, no. 4, pp. 606-617.
H. Jegou, M. Douze, and C. Schmid, C., “Product quantization for nearest neighbor search,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 33, no. 1, pp. 117-128.
