Cuasi-implicación estadística y determinación automática de clases de equivalencia en imágenes de resonancia magnética de cerebro

Abstract

Resumen: La técnica de cuasi-implicación estadística es muy útil para determinar relaciones de causa y efecto (con un número pequeño de excepciones). La aplicación del análisis jerárquico de similitudes, busca constituir particiones cada vez más finas, en el conjunto de variables, construidas de forma ascendente en árbol, mediante un criterio de similitud entre las misma. Su objetivo es descubrir y estructurar en forma de reglas, un conjunto de datos a partir de la modelización estadística de la cuasi-implicación.En éste trabajo se presenta una aplicación de ésta técnica para encontrar grupos de equivalencia existente entre un conjunto completo de imágenes (groundTruth)de resonancia magnética de cerebro (T1-weighted).Los experimentos se han realizado con la serie de lonchas sin cráneo, segmentadas y binarizadas previamente. Los resultados muestran una robusta clasificación de las mismas agrupándolas según un mismo índice de implicación entre dos lonchas en forma cuasi-bicondicional. En cada grupo de similitud el método permite seleccionar a uno de los cortes como representante del grupo generando una lista de patrones los cuales resumen las características encontradas próximas al patrón. Para representar el grado de equivalencia se ha utilizado una probabilidad.tud. Abstract:The quasi-implication statistical technique is very useful for determining cause and effect (with a few exceptions). The application of hierarchical analysis of similarities,seeks to build increasingly fine partitions in the set of variables, built from the bottom up in the tree, using a criterion of similarity between them. Their purpose is to discover and structure, in the form of rules, a set of data from statistical modeling of quasi-implication.An application of this technique is presented in this work to find groups of equivalence between a full set of Brain MRI (T1- weighted)images (ground Truth). Experiments have been performed witha number of slices without skull previously segmented and binarized. The results show a robust classification of the same grouping them with the same rate of engagement between two quasi-biconditional shapedslices. This method allows in each similarity group select one of the images as o representative of the group, generating a list of standards which outline features proximal to the pattern. To represent the degree of equivalence a probability has been used.