186 research outputs found
3D measurements in conventional X-ray imaging with RGB-D sensors
No full text[EN] A method for deriving 3D internal information in conventional X-ray settings is presented. It is based on the combination of a pair of radiographs from a patient and it avoids the use of X-ray-opaque fiducials and external reference structures. To achieve this goal, we augment an ordinary X-ray device with a consumer RGB-D camera. The patient' s rotation around the craniocaudal axis is tracked relative to this camera thanks to the depth information provided and the application of a modern surface-mapping algorithm. The measured spatial information is then translated to the reference frame of the X-ray imaging system. By using the intrinsic parameters of the diagnostic equipment, epipolar geometry, and X-ray images of the patient at different angles, 3D internal positions can be obtained. Both the RGB-D and Xray instruments are first geometrically calibrated to find their joint spatial transformation. The proposed method is applied to three rotating phantoms. The first two consist of an anthropomorphic head and a torso, which are filled with spherical lead bearings at precise locations. The third one is made of simple foam and has metal needles of several known lengths embedded in it. The results show that it is possible to resolve anatomical positions and lengths with a millimetric level of precision. With the proposed approach, internal 3D reconstructed coordinates and distances can be provided to the physician. It also contributes to reducing the invasiveness of ordinary X-ray environments and can replace other types of clinical explorations that are mainly aimed at measuring or geometrically relating elements that are present inside the patient's body.(C) 2017 IPEM. Published by Elsevier Ltd. All rights reserved.The authors would like to thank the Radiation Oncology Department of the Physics Section at La Fe Hospital for the anthropomorphic phantom used in this work and Jose Manuel Monserrate (Instituto de Física Corpuscular) for his contribution in the development of the calibration frame shown in Fig. 3. This research has the support of Information Storage S.L., University of Valencia (grant CPI-15-170), CSD-2007-00042 Con solider Ingenio CPAN (grant CPAN-13TR01), IFIC (Severo Ochoa Centre of Excellence SEV20140398) as well as the support of the Spanish Ministry of Industry, Energy, and Tourism (grant TSI1001012013019).Albiol Colomer, F.; Corbi, A.; Albiol Colomer, A. (2017). 3D measurements in conventional X-ray imaging with RGB-D sensors. Medical Engineering & Physics. 42:73-79. https://doi.org/10.1016/j.medengphy.2017.01.024S73794
Dynamic tomography reconstruction, from https://www.nature.com/articles/s41598-023-39405-x
No full text[Description of methods used for collection/generation of data] Data taken from selected number with barrels with different activities[Methods for processing the data] Gamma-camara, aruco and measurements where post processed and reconstructed, JPEG images and the information of camera calibration is provided in JSON format. Data analysis is stored in ROOT format, access to this information is freely available en C++ PYTHON and R by tools provided by CERN.This dataset is the raw result of an acquisition taken in real time. Most of the information provided can be derived from the sources. As a tomographic reconstruction itself has a large number of parameters, such as camera positions and more, these camera positions can be recalculated and evaluated against the dataset. A large number of reconstructed scenarios has been provided to easy allow the integration, validation and comparison of are algorithms.Contrato de apoyo al Desarrollos de algoritmos de reconstrucción 3D de residuos nucleares.Peer reviewe
Geometrical Calibration of X-Ray Imaging With RGB Cameras for 3D Reconstruction
No full text(c) 2016 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other users, including reprinting/ republishing this material for advertising or promotional purposes, creating new collective works for resale or redistribution to servers or lists, or reuse of any copyrighted components of this work in other works.We present a methodology to recover the geometrical calibration of conventional X-ray settings with the help of an ordinary video camera and visible fiducials that are present in the scene. After calibration, equivalent points of interest can be easily identifiable with the help of the epipolar geometry. The same procedure also allows the measurement of real anatomic lengths and angles and obtains accurate 3D locations from image points. Our approach completely eliminates the need for X-ray-opaque reference marks (and necessary supporting frames) which can sometimes be invasive for the patient, occlude the radiographic picture, and end up projected outside the imaging sensor area in oblique protocols. Two possible frameworks are envisioned: a spatially shifting X-ray anode around the patient/object and a moving patient that moves/rotates while the imaging system remains fixed. As a proof of concept, experiences with a device under test (DUT), an anthropomorphic phantom and a real brachytherapy session have been carried out. The results show that it is possible to identify common points with a proper level of accuracy and retrieve three-dimensional locations, lengths and shapes with a millimetric level of precision. The presented approach is simple and compatible with both current and legacy widespread diagnostic X-ray imaging deployments and it can represent a good and inexpensive alternative to other radiological modalities like CT.This work was carried out with the support of Information Storage S.L., University of Valencia (grant #CPI-15-170), CSD2007-00042 Consolider Ingenio CPAN (grant #CPAN13-TR01) as well as with the support of the Spanish Ministry of Industry, Energy and Tourism (Grant TSI-100101-2013-019).Albiol Colomer, F.; Corbi, A.; Albiol Colomer, A. (2016). Geometrical Calibration of X-Ray Imaging With RGB Cameras for 3D Reconstruction. IEEE Transactions on Medical Imaging. 35(8):1952-1961. https://doi.org/10.1109/TMI.2016.2540929S1952196135
X-ray imaging virtual online laboratory for engineering undergraduates
No full textDistance learning engineering students (as well as those in face-to-face settings) should acquire a basic background in radiation-matter interaction physics (usually in the first semesters). Some students in this group may feel some degree of aversion towards these types of pure science-related subjects (mathematics, physics, chemistry, etc). In online learning scenarios, the average student is already an adult (37 years old or above) and may see no particular application of the aforementioned courses in their current or future professional life. Besides this, online institutions tend to lean too much on applet-based simulations. Although they may shed some light on the theory associated with the studied physical processes, these animated and interactive examples also seem to be ' stripped down' versions of the real events, and are felt to be disconnected from current scientific environments and engineering settings. For this reason, we describe a novel virtual lab approach to teach the basics of the low-energy interactions present in average x-ray settings. It combines real scientific simulation frameworks with modern computing techniques such as virtualization, cloud infrastructures, containers, networking and shared collaboration environments. It also fosters the use of hugely demanded development tools and programming languages and addresses the fundamentals of digital radiography and the linked electronic standards for image storage and transmission. With this mixed approach, blending scientific concepts, healthcare and state-of-the-art software solutions, our virtual labs have proven (over a period of five academic terms) to be both very attractive to and pedagogically successful (technically, and scientifically) for online engineering undergraduates. For the sake of completeness, we also propose a hands-on activity that mimics the geometrical peculiarities of x-ray rooms with the help of visible light and cheap materials.Peer reviewe
Mask selective regularization for restricted Boltzmann machines
No full textIn the present work, we propose to deal with two important issues regarding to the RBM's learning capabilities. First, the topology of the input space, and second, the sparseness of the RBM obtained. One problem of RBMs is that they do not take advantage of the topology of the input space. In order to alleviate this lack, we propose to use a surrogate of the mutual information of the input representation space to build a set of binary masks. This approach is general and not only applicable to images, thus it can be extended to other layers in the standard layer-by-layer unsupervised learning. On the other hand, we propose a selective application of two different regularization terms, L-1 and L-2, in order to ensure the sparseness of the representation and the generalization capabilities. Additionally, another interesting capability of our approach is the adaptation of the topology of the network during the learning phase by means of selecting the best set of binary masks that fit the current weights configuration. The performance of these new ideas is assessed with a set of experiments on different well-known corpus. (C) 2015 Elsevier B.V. All rights reserved.This work was financially supported by the Ministerio de Ciencia e Innovacion (Spain), Plan Nacional de I+D+i, Grant TEC2009-09146, and the FPI Grant BES-2010-032945.Mansanet Sandín, J.; Albiol Colomer, A.; Paredes Palacios, R.; Albiol Colomer, AJ. (2015). Mask selective regularization for restricted Boltzmann machines. Neurocomputing. 165:375-383. https://doi.org/10.1016/j.neucom.2015.03.026S37538316
A portable geometry-independent tomographic system for gamma-ray, a next generation of nuclear waste characterization
No full textAbstract One of the main activities of the nuclear industry is the characterisation of radioactive waste based on the detection of gamma radiation. Large volumes of radioactive waste are classified according to their average activity, but often the radioactivity exceeds the maximum allowed by regulators in specific parts of the bulk. In addition, the detection of the radiation is currently based on static detection systems where the geometry of the bulk is fixed and well known. Furthermore, these systems are not portable and depend on the transport of waste to the places where the detection systems are located. However, there are situations where the geometry varies and where moving waste is complex. This is especially true in compromised situations.We present a new model for nuclear waste management based on a portable and geometry-independent tomographic system for three-dimensional image reconstruction for gamma radiation detection. The system relies on a combination of a gamma radiation camera and a visible camera that allows to visualise radioactivity using augmented reality and artificial computer vision techniques. This novel tomographic system has the potential to be a disruptive innovation in the nuclear industry for nuclear waste management
Fast 3D Rotation Estimation of Fruits Using Spheroid Models
No full text[EN] Automated fruit inspection using cameras involves the analysis of a collection of views of the same fruit obtained by rotating a fruit while it is transported. Conventionally, each view is analyzed independently. However, in order to get a global score of the fruit quality, it is necessary to match the defects between adjacent views to prevent counting them more than once and assert that the whole surface has been examined. To accomplish this goal, this paper estimates the 3D rotation undergone by the fruit using a single camera. A 3D model of the fruit geometry is needed to estimate the rotation. This paper proposes to model the fruit shape as a 3D spheroid. The spheroid size and pose in each view is estimated from the silhouettes of all views. Once the geometric model has been fitted, a single 3D rotation for each view transition is estimated. Once all rotations have been estimated, it is possible to use them to propagate defects to neighbor views or to even build a topographic map of the whole fruit surface, thus opening the possibility to analyze a single image (the map) instead of a collection of individual views. A large effort was made to make this method as fast as possible. Execution times are under 0.5 ms to estimate each 3D rotation on a standard I7 CPU using a single core.Albiol Colomer, AJ.; Albiol Colomer, A.; Sánchez De Merás, C. (2021). Fast 3D Rotation Estimation of Fruits Using Spheroid Models. Sensors. 21(6):1-24. https://doi.org/10.3390/s21062232S12421
Improving Radiology Report Generation Quality and Diversity through Reinforcement Learning and Text Augmentation
No full text[EN] Deep learning is revolutionizing radiology report generation (RRG) with the adoption of vision encoder--decoder (VED) frameworks, which transform radiographs into detailed medical reports. Traditional methods, however, often generate reports of limited diversity and struggle with generalization. Our research introduces reinforcement learning and text augmentation to tackle these issues, significantly improving report quality and variability. By employing RadGraph as a reward metric and innovating in text augmentation, we surpass existing benchmarks like BLEU4, ROUGE-L, F1CheXbert, and RadGraph, setting new standards for report accuracy and diversity on MIMIC-CXR and Open-i datasets. Our VED model achieves F1-scores of 66.2 for CheXbert and 37.8 for RadGraph on the MIMIC-CXR dataset, and 54.7 and 45.6, respectively, on Open-i. These outcomes represent a significant breakthrough in the RRG field. The findings and implementation of the proposed approach, aimed at enhancing diagnostic precision and radiological interpretations in clinical settings, are publicly available on GitHub to encourage further advancements in the field.Work was partially supported by the Generalitat Valenciana under the predoctoral grant
CIACIF/2022/289, with the support of valgrAI-Valencian Graduate School and Research Network of Artificial Intelligence and the Generalitat Valenciana, and cofunded by the European Union.Parres-Montoya, D.; Albiol Colomer, A.; Paredes Palacios, R. (2024). Improving Radiology Report Generation Quality and Diversity through Reinforcement Learning and Text Augmentation. Bioengineering. 11(4). https://doi.org/10.3390/bioengineering11040351S11
Environment recognition applied to particle detectors
No full textIn contrast with other radiological modalities (such as the computer- ized axial tomography or CT) and well-defined experimental setups related to nuclear physics and particle tracking (gamma detectors, accelerators, etc.), many radiation detection devices or imaging systems (i.e., those used in medical imaging and/or radiation protection) do not take into account the geometrical information concerning the scene in which they operate. The main goal of this thesis work is the development of the nec- essary methods and techniques to provide this information to whichever detection device is used and, in a general way. This augmentation (con- cept borrowed from the world of computer vision) is achieved through the interplay of an external environment recognition device.
In the context of this thesis work, a scene or environment entails, not only the outline of the location, room or surroundings where any sort of photon intensity measurements or imaging process takes place, but also the proper element under examination (person, contaminated object, radioactive source, etc.), including its/his/her position, orientation and volume relative to the imaging system or a fixed point in space. That is the case of general purpose X-ray imaging equipment or portable radia- tion measurement devices used to evaluate, for instance, environmental γ or β emissions. As it is demonstrated in this work, the aforementioned scene’s geometry can complement o augment, in a very significant way, the inherent information obtained by these imaging systems. Similarly, in the scope of this research project, a device A augments another device B when A provides B with accurate spatial references, allowing for instance, 3D reconstruction for B, A+B image overlay (registration), image stitching for B, etc.
In order to achieve the aforementioned goal, some methods and tech- niques around the determination of the spatial setting have been tested and explored within the following areas of application:
• augmentation of primary care X-ray imaging systems,
• three-dimensional reconstruction of a the anatomy of the patient under examination using ordinary radiographs,
• derivation of new transfer functions that enable the generation of densitometric images from X-ray absorption ones and the patient’s volume,
• assessment of 3D coordinates to radioactive sources and the received dose.
The present research mainly focuses on the augmentation of conventional X-ray imaging systems through the interplay of an external positioning or scene-delimitation device (i.e., a video camera, depth sensor, etc.) like the one shown in the image above. Nevertheless, other particle detection systems (i.e., γ cameras) are also explored. The main advantage of a dual-camera assembly is the possibility of geometrically determining the radiographic (or radioactive) scene with accuracy and being able to map both types of information.
In the context of medical imaging, the reason for choosing this specific equipment type (general purpose X-rays) is their undeniable presence, not only in healthcare, but also industrial domains. The quantification of the available geometrical information surrounding ordinary X-ray examina- tion rooms opens many interesting possibilities which were so far limited to more complex radiological modalities such as CT scanners (i.e., anatom- ical 3D reconstruction). In contrast with tomographies and as highlighted in Chapter 3, the geometry derived in conventional X-ray imaging can be very variable from session to session and is very rarely (or never) registered, stored or taken into account during the imaging process. More specifically, in this thesis work, we begin by establishing methods and materials (in- volving the use of the aforementioned external environment recognition devices) to account for this, so far ignored, scene geometry. This infor- mation will later allow us to derive 3D relations from plain radiographs, which is discussed in Chapter 4 and Chapter 5. These 3D reconstruction capabilities are in turn based on an earlier geometrical calibration phase of the imaging system, examined in Chapter 3.
In Chapter 6 we present a technique to obtain densitometric X-ray images from plain radiographs in combination with the patient’s volume. The foundations of this technique rely on the theoretical and practical background developed in previous chapters. Next, in Chapter 7 we present some experiments and tests carried out with anthropomorphic phantoms and patients in real clinical setups around the techniques and procedures introduced in this document. In Appendix A, we outline a novel method- ology to assess the quality of X-ray images. This metric will enable the objective assessment of the amount of information contained in conven- tional radiographs and compare it against the new density-based ones.
As stated above, the concept of environment recognition is also ap- plied to particle detectors, notably portable γ-ray cameras. This scope of application is addressed in Chapter 8, where similar steps, methods and tools to those previously applied in the augmentation of X-ray imaging scenarios are now implemented to radiation detection in nuclear waste management locations. Finally, we will also address new approaches for dose assessment based on the measured target’s volume.Resumen en español
Introducción
Los detectores de partículas son dispositivos que registran la radiación ionizante, bien de sistemas activos (rayos X, aceleradores, etc.) o bien de isótopos radiactivos. Para poder realizar medidas de precisión con estos instrumentos, es necesario modelar geométricamente el entorno, contorno o escena bajo estudio. Estas condiciones geométricas se pueden determinar de forma más o menos precisa en algunos experimentos de física de partículas/nuclear, y en algunos sistemas de imagen, como las tomografías. Sin embargo, este escenario no es necesariamente el habitual. El propósito principal de este trabajo de tesis es desarrollar técnicas e instrumentos que aporten la mencionada información del entorno a cualquier sistema de detección de radiación y de manera general. Como iremos viendo, estas mejoras tienen lugar mediante la adición de sensores externos (cámaras de video y cámaras de rango, principalmente) capaces de aportar dichos datos sobre el contexto espacial.
Por escena o contorno se entiende tanto los límites del emplazamiento físico donde se realizan las medidas (habitación, habitáculo, recinto, alrededores, etc.), como el propio elemento bajo examen (paciente, objeto contaminado, fuente radioactiva, etc.), incluyendo su posición, giro y volumen relativo al sistema de imagen o a un punto fijo. Tal es el caso de los dispositivos de rayos X de propósito general o los sistemas detectores portátiles usados, por ejemplo, para la medición de radiación ambiental. Como se demuestra a lo largo de este trabajo de tesis, la mencionada geometría de la escena puede llegar a complementar o aumentar (concepto tomado prestado del mundo de la visión por ordenador o computer vision) de manera muy significativa la información propia recabada por los sistemas de adquisición utilizados. De manera similar, cuando un dispositivo A aumenta un dispositivo B, implica que A provee a B con información espacial relativa a marco de trabajo, de manera que puede derivarse, por ejemplo, información 3D por parte de B, registrar imágenes A+B, etc.
Para alcanzar este objetivo, y como parte de esta investigación, se han explorado técnicas y métodos de reconocimiento del entorno, aplicados a las siguientes áreas:
• aumento de dispositivos de rayos X usados en diagnóstico primario,
• reconstrucción tridimensional de la anatomía de la persona examinada partiendo de radiografías convencionales que luego pueden ser estereográficamente relacionadas,
• obtención de nuevas funciones de transferencia que permitan la generación de imágenes densitométricas a partir de las imágenes de absorción y el volumen del/de la paciente, y
• asignación de coordenadas 3D a fuentes de radiación y a la dosis recibida.
Se ha hecho especial énfasis en los dispositivos de rayos X por su indudable presencia en muchos ámbitos, desde los puramente clínicos hasta los relacionados con la inspección preventiva/forense de objetos. En el contexto de este trabajo, estos sistemas de imagen son aumentados mediante la interacción con dispositivos modernos de posicionamiento, tales como cámaras de video, profundidad, etc. La ventaja de esta arquitectura de imagen dual es la posibilidad de determinar geométricamente la escena con precisión y trasladar y superponer esta información al resultado de origen clínico (o al fruto de una inspección relacionada con la gestión de residuos radioactivos, como en el caso de las gamma-cámaras, estudiadas en [chap:gamma]).
Además, como parte de los resultados obtenidos en esta tesis, se ha desarrollado una métrica especial (basada en análisis y teoría de la imagen) para cuantificar de manera objetiva la calidad de imágenes radiográficas. Esta técnica es utilizada para estimar la información de las imágenes densitométricas obtenidas mediante los métodos estudiados en este trabajo.
Los rayos X convencionales y sus limitaciones
La modalidad radiológica de rayos X convencional es sin duda la más presente y usada en la práctica clínica y ciencias de la salud. Su implantación en todo tipo de centros de salud es muy destacable dada su relativa simplicidad técnica, rapidez y efectividad para diagnosticar muchos tipos de dolencias. La llegada de la radiografía digital no ha hecho otra cosa sino profundizar en esta realidad.
Un dispositivo de rayos X consta de un tubo generador de este tipo de radiación instalado dentro de un blindaje, un generador de alta tensión y un chasis o cassette que contiene en su interior la película radiográfica o detector digital que integra finalmente la emisión Roentgen que no ha sido absorbida por el/la paciente o el objeto analizado.
A diferencia de otras modalidades como la tomografía axial computerizada (TAC), en la modalidad de rayos X ordinarios la geometría de la escena clínica es descrita de manera muy somera. Con enorme frecuencia, el único registro de la misma son sencillas indicaciones relativas a la posición (y sobre todo, orientación) del/de la paciente con respecto a la cubierta protectora del detector de pared vertical y/o mesa horizontal. Es lo que se conoce en literatura como protocolo o simplemente, posicionamiento del paciente. Estas indicaciones son las que luego se traducen en los conocidos protocolos de examen tales como radiografía postero-anterior, antero-posterior, decúbito, medio-lateral, etc. Esta alta variabilidad geométrica proviene del hecho de que en los dispositivos de rayos X para diagnóstico primario existe un desacoplo estructural entre el detector y la fuente de fotones X (el ánodo del tubo). Dicho de otra manera: ambos pueden desplazarse libremente y con plena independencia el uno del otro. Esto se traduce a su vez en una alta fragilidad de los parámetros intrínsecos (a diferencia de una cámara fotográfica al uso, donde estos valores permanecen fijos desde el momento de su fabricación). Tanto las mesas de examen como los estativos verticales pueden ser fijos, flotantes o semi-flotantes e incluso a veces es posible modificar su ángulo con respecto al suelo o pared para realizar exámenes especiales, como los digestivos. En cualquier sistema de imagen, los parámetros intrínsecos engloban tanto el punto focal como posibles distorsiones y asimetrías que pueden ser medidas y conocidas.
Un ejemplo que suele resultar llamativo de esta libertad de movimiento en los sistemas de imagen por rayos X es el hecho de que el punto focal (distancia desde el ánodo al detector y su posición horizontal y vertical en el plano representado por este) puede llegar a estar situado completamente fuera de la superficie de la imagen. Esto acontece, por ejemplo, en algunos protocolos que exigen proyecciones oblicuas o en ángulos muy picados (como las que se muestran en la [fig:xraypositions] y la [fig:oblique]). Nuevamente, esta situación contrasta con la fotografía convencional, donde el punto principal se corresponde normalmente con el pixel central, por ejemplo, en el 640, 540 en el caso de una cámara de video de resolución HD (1920, 1080). Los proyectores de luz (usados comúnmente en presentaciones, arte, etc.) también emplean un punto focal muy desplazado con respecto al centro de la imagen, sin embargo esta sólo se forma con nitidez a una distancia específica y fija (es decir, los parámetros intrínsecos del sistema óptico son nuevamente fijos).
Si bien es cierto que la tecnología y estándares radiológicos están preparados para el registro de ciertas distancias tales como la brecha paciente-detector (IOD), emisor-detector (SID), etc., estas casi nunca son estimadas, ni medidas y mucho menos inventariadas manual o electrónicamente. Sin embargo, es bien conocido tanto teórica como experimentalmente, así como por la práctica diaria, que estas magnitudes pueden llegar a tener una repercusión no despreciable tanto en la generación de la propia imagen radiográfica y su calidad, así como en la gestión de la dosis recibida por parte del/de la paciente.
Rayos-X aumentados mediante dispositivos de captación de contorno
En este trabajo proponemos una serie de herramientas, metodologías y procedimientos para la determinación del ámbito geométrico en escenarios de diagnóstico basados en sistemas convencionales de rayos X. Estas técnicas se apoyan principalmente en la anexión de un dispositivo de captación de contorno o escena que permanece rígidamente acoplado al sistema de imagen de rayos X. Los dispositivos de captación de contorno que han sido explorados en este trabajo son cámaras de video y cámaras de profundidad, aunque existen muchas otras alternativas tales como cámaras basadas en tiempo de vuelo (time-of-flight), LIDARes (light detection and ranging), escáneres 3D láser, sistemas de visión estereoscópica con cámaras RGB calibradas, etc. Una cámara calibrada (sea del tipo que sea: RGB, profundidad, rayos-X) es aquella de la que se conocen sus parámetros intrínsecos y posición respecto a un punto de referencia externo llamado usualmente mundo.
Mediante estas cámaras adyacentes y anexionadas de manera rígida es posible la delimitación geométrica de la escena de rayos X, incluidas las distancias anteriormente mencionadas, además de la posición precisa del/de la paciente durante el examen y su volumen. Además, en combinación con una segunda (o más) radiografía(s), es posible aplicar técnicas de estereoscopía y reconstrucción 3D y obtener información tridimensional de su anatomía interna, además de otros valiosos datos válidos para complementar el diagnóstico.
En la última década ha acontecido una revolución tecnológica en relación a los dispositivos de captación de contorno, dando lugar a nuevas disciplinas tales como la detección remota, la realidad virtual o la realidad aumentada. Estos nuevos instrumentos conllevan ventajas a las que ya nos hemos ido acostumbrando y se han convertido incluso en cotidianas, tales como la estimación remota de distancias y posiciones, el cálculo de coordenadas, el modelado de superficies, el seguimiento de personas y objetos, la detección barreras y obstáculos, la cartografía y posicionamiento geográfico, entre muchas otras. Los ámbitos de aplicación de los saberes relacionados con la visión por ordenador están ahora al alcance de muchas disciplinas que hasta hace poco se auto-excluían de tales dominios tecnológicos. Entre estas ciencias podemos encontrar a la medicina, la física y otras ciencias básicas.
En lo que concierte a los rayos X, cierto tipo de información geométrica y proyectiva (a excepción del volumen del objeto o persona radiografiada) estaba ya disponible gracias a la intercesión de incómodos y costosos marcos de referencia que contienen marcadores fiduciarios opacos a la radiación Roentgen. Esta metodología heredada (así como sus sucesoras basadas en detectores de contorno que se proponen en este trabajo) radica en el hecho de que un dispositivo de rayos X puede asemejarse a una cámara pinhole o cámara estenopeica. Una cámara estenopeica es una cámara fotográfica sin lente y que cuenta con un pequeño orificio o pinhole por donde entra la luz reflejada por los objetos fotografiados, además un material detector. En el caso de un dispositivo de rayos X, el pinhole es en realidad el emisor de luz y coincide estructuralmente con el ánodo del tubo de rayos X, que juega también el papel del anteriormente citado punto focal.
El detector en los dispositivos de rayos X estenopeicos es la placa radiográfica o el imaging plate (en el caso digital). La geometría proyectiva afirma que dados conjuntos de puntos con coordenadas espaciales (3D) y sus correspondientes proyecciones en una imagen, es posible hallar la ecuación de calibración de cámara que conecta cualquier otro punto tridimensional en la escena con su localización x,\,y en la imagen. Es lo que se conoce también con el nombre de calibración geométrica de cámara.
El problema con la solución basada en marcos de referencia y fiduciales opacas nombrada anteriormente es que pueden dificultar la movilidad del/de la paciente y/o del sistema, pero sobretodo pueden alterar de manera significativa la imagen e influir en el diagnóstico alcanzable a partir de la misma. En el [chap:xraycalibration] se estudian y comparan los distintos algoritmos de calibración de cámara pero aplicados al ámbito de los rayos X. Las técnicas propuestas en este trabajo evitan las mencionadas incomodidades para el/la paciente y no interfieren en absoluto en la generación de la placa radiográfica ni en la imagen de absorción final, además de otras ventajas, tales como la posibilidad de guardar registro visual de la escena, adquirir el contorno del/de la paciente o de aplicar protocolos de examen que requieran una gran oblicuidad por parte del sistema de adquisición.
Para combinar geométricamente ambos tipos de dispositivos (sensor de contorno y rayos X) es necesario encontrar con antelación la transformación rígida que los conecta, también conocida como ecuación de la co-cámara. Una transformación rígida es una transformación lineal que preserva tamaño y forma, conservando la alineación, el orden y la pertenencia (es decir, las rectas se transforman en rectas y ángulos en ángulos). La búsqueda de esta relación geométrica se detalla en la [sec:calibration-phase] y la [sec:calibration] para el caso de cámaras de visible y de profundidad, respectivamente. En esta fase (y sólo en esta) nos apoyamos en un marco de calibración que incorpora fiduciales detectables por ambos sistemas de imagen ([fig:calibrationframe]). Una vez hallada esta matriz de transformación, se dice que ambas cámaras están registradas. Tanto en el caso de que la cámara de contorno sea una cámara de video o de profundidad, los marcadores que aparecen en la proyección resultante son fácilmente identificables mediante herramientas de computer vision resumidas en la [sec:tracking]. En el caso de las proyecciones de marcadores opacos a los rayos X, estas son aisladas normalmente de manera manual, aunque es posible aplicar algoritmos de identificación de formas y segmentación sobre la radiografía de calibración. En este trabajo se ha optado por lo primero, aprovechando las mismas herramientas software de visualización y diagnóstico del médico-radiólogo. El proceso de hallazgo de la ecuación co-cámara se relata en la [sec:problem].
Reconstrucción 3D en rayos X
Una vez hallada esta relación de registro entre dispositivos, ya no es necesario el marco de calibración, el cual desaparece de la escena sin perjuicio ni influencia alguna en la(s) radiografía(s) del/de la paciente tal y como se ha anticipado en el párrafo anterior. A partir de este momento, es el detector de contorno el responsable de inferir la geometría de la escena, liberando completamente al sistema de rayos X de esta tarea. Entre los elementos propios de la geometría de la escena que son ahora cómodamente medibles se encuentran, por descontado, las longitudes listadas anteriormente (IOD, SID, etc.). Sin embargo, es posible además inferir otras entidades importantes, tales como el volumen del/de la paciente, sus desplazamientos y los movimientos propios del sistema radiológico entre radiografías consecutivas.
Concretamente, gracias a esta última ventaja (determinación de transformaciones rígidas entre dos desplazamientos) es posible reconstruir tridimensionalmente puntos y distancias internos al/a la paciente mediante técnicas de visión estereoscópica. Para ello sólo son necesarias dos radiografías obtenidas en dos posiciones separadas, ya sea del propio/de la propia paciente o del sistema radiográfico. Esta versatilidad relacionada con los escenarios de aplicación es tratada en la [sec:scenarios]. Este seguimiento o tracking de la escena es el que se detalla en el [chap:xray+rgb] y el [chap:kinfu] para el caso de que el sensor de contorno sea una cámara RGB y para el caso de una cámara de profundidad, respectivamente. Las cámaras de profundidad consisten en sistemas integrados por una luz láser que es proyectada, formando un patrón conocido, sobre la escena. El reflejo de este patrón es vuelto a ser captado por un sensor CMOS adjunto. A partir de la captura de la deformación del mencionado patrón, es posible determinar información 3D del entorno.
La información 3D obtenida por las cámaras de profundidad es transmitida a otros sistemas informáticos mediante las conocidas nubes de puntos o point clouds. Una nube de puntos es un conjunto de vértices en un sistema de coorde
Detection of Parked Vehicles using Spatio-temporal Maps
No full textThis paper presents a video-based approach to detect the presence of parked vehicles in street lanes. Potential applications include the detection of illegally and double-parked vehicles in urban scenarios and incident detection on roads. The technique extracts information from low-level feature points (Harris corners) to create spatiotemporal maps that describe what is happening in the scene. The method neither relies on background subtraction nor performs any form of object tracking. The system has been evaluated using private and public data sets and has proven to be robust against common difficulties found in closed-circuit television video, such as varying illumination, camera vibration, the presence of momentary occlusion by other vehicles, and high noise levels. © 2011 IEEE.This work was supported by the Spanish Government project Movilidad y automocion en Redes de Transporte Avanzadas (MARTA) under the Consorcios Estrategicos Nacionales de Investigacion Tecnologica (CENIT) program and the Comision Interministerial Ciencia Y Tecnologia (CICYT) under Contract TEC2009-09146. The Associate Editor for this paper was R. W. Goudy.Albiol Colomer, AJ.; Sanchis Pastor, L.; Albiol Colomer, A.; Mossi García, JM. (2011). Detection of Parked Vehicles using Spatio-temporal Maps. IEEE Transactions on Intelligent Transportation Systems. 12(4):1277-1291. https://doi.org/10.1109/TITS.2011.2156791S1277129112
- …
