Imagen de Portada

IDENTIFICACION DEL CILINDRO NUDOSO EN IMÁGENES TC DE TROZAS PODADAS DE PINUS RADIATA UTILIZANDO REDES NEURONALES ARTIFICIALES

Fuente: Redalyc

Guardado en:

Detalles Bibliográficos
Autor principal:	Gerson Rojas-Espinoza
Formato:	Artículo científico
Lenguaje:	es
Publicado:	Universidad del Bío Bío 2010
Materias:	Agrociencias pino radiata Cilindro nudoso matriz de confusión tomografía computarizada redes neuronales artificiales
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

_version_	1876431542065037312
author	Gerson Rojas-Espinoza
author_facet	Gerson Rojas-Espinoza
contents	IDENTIFICACION DEL CILINDRO NUDOSO EN IMÁGENES TC DE TROZAS PODADAS DE PINUS RADIATA UTILIZANDO REDES NEURONALES ARTIFICIALES Gerson Rojas-Espinoza Oscar Ortíz-Iribarren Agrociencias pino radiata Cilindro nudoso matriz de confusión tomografía computarizada redes neuronales artificiales La factibilidad de identificar el cilindro nudoso en imágenes de tomografía computarizada de rayos X (TC) de trozas podadas de pino radiata (Pinus radiata D. Don), fue evaluada utilizando un método de clasificación supervisada basado en Redes Neuronales Artificiales (RNA). El proceso de clasificación consideró también la identificación de la zona libre de defectos y nudos. Treinta trozas podadas de pino radiata fueron escaneadas en un escáner médico multi-slice de rayos X, donde las imágenes TC resultantes fueron obtenidas cada 5 mm. Un total de 270 imágenes TC fueron clasificadas utilizando la técnica Redes Neuronal Artificial y los mapas temáticos resultantes, fueron filtrados con un filtro de mediana de 7 x 7. La precisión del proceso de clasificación de las imágenes TC fue obtenida a partir de una matriz de confusión y el estadístico Kappa. Los resultados indicaron que el cilindro nudoso puede ser identificado y separado con una precisión de 92.7%, mientras que para la precisión global se obtuvo un valor de 85.0%. Tras filtrar los mapas temáticos, los valores de precisión aumentaron a 96.3% y 92.3% para el cilindro nudoso y la precisión global, respectivamente. Los valores Kappa fueron de 0.607 y 0.764 para los mapas temáticos y mapas temáticos filtrados, respectivamente. Estos valores indicaron que existe un fuerte grado de conformidad entre los datos de referencia y el proceso de clasificación. Los resultados sugieren que es factible aplicar RNA como procedimiento de clasificación para identificar el cilindro nudoso en imágenes TC de trozas podadas de pino radiata. 2010 artículo científico 0717-3644 https://www.redalyc.org/articulo.oa?id=48515429007 es http://www.redalyc.org/revista.oa?id=485 Maderas. Ciencia y Tecnología application/pdf Universidad del Bío Bío Maderas. Ciencia y Tecnología (Chile) Num.3 Vol.12
format	Artículo científico
id	redalyc_48515429007
institution	Redalyc
language	es
publishDate	2010
publisher	Universidad del Bío Bío
spellingShingle	IDENTIFICACION DEL CILINDRO NUDOSO EN IMÁGENES TC DE TROZAS PODADAS DE PINUS RADIATA UTILIZANDO REDES NEURONALES ARTIFICIALES Gerson Rojas-Espinoza Agrociencias pino radiata Cilindro nudoso matriz de confusión tomografía computarizada redes neuronales artificiales IDENTIFICACION DEL CILINDRO NUDOSO EN IMÁGENES TC DE TROZAS PODADAS DE PINUS RADIATA UTILIZANDO REDES NEURONALES ARTIFICIALES Gerson Rojas-Espinoza Oscar Ortíz-Iribarren Agrociencias pino radiata Cilindro nudoso matriz de confusión tomografía computarizada redes neuronales artificiales La factibilidad de identificar el cilindro nudoso en imágenes de tomografía computarizada de rayos X (TC) de trozas podadas de pino radiata (Pinus radiata D. Don), fue evaluada utilizando un método de clasificación supervisada basado en Redes Neuronales Artificiales (RNA). El proceso de clasificación consideró también la identificación de la zona libre de defectos y nudos. Treinta trozas podadas de pino radiata fueron escaneadas en un escáner médico multi-slice de rayos X, donde las imágenes TC resultantes fueron obtenidas cada 5 mm. Un total de 270 imágenes TC fueron clasificadas utilizando la técnica Redes Neuronal Artificial y los mapas temáticos resultantes, fueron filtrados con un filtro de mediana de 7 x 7. La precisión del proceso de clasificación de las imágenes TC fue obtenida a partir de una matriz de confusión y el estadístico Kappa. Los resultados indicaron que el cilindro nudoso puede ser identificado y separado con una precisión de 92.7%, mientras que para la precisión global se obtuvo un valor de 85.0%. Tras filtrar los mapas temáticos, los valores de precisión aumentaron a 96.3% y 92.3% para el cilindro nudoso y la precisión global, respectivamente. Los valores Kappa fueron de 0.607 y 0.764 para los mapas temáticos y mapas temáticos filtrados, respectivamente. Estos valores indicaron que existe un fuerte grado de conformidad entre los datos de referencia y el proceso de clasificación. Los resultados sugieren que es factible aplicar RNA como procedimiento de clasificación para identificar el cilindro nudoso en imágenes TC de trozas podadas de pino radiata. 2010 artículo científico 0717-3644 https://www.redalyc.org/articulo.oa?id=48515429007 es http://www.redalyc.org/revista.oa?id=485 Maderas. Ciencia y Tecnología application/pdf Universidad del Bío Bío Maderas. Ciencia y Tecnología (Chile) Num.3 Vol.12
title	IDENTIFICACION DEL CILINDRO NUDOSO EN IMÁGENES TC DE TROZAS PODADAS DE PINUS RADIATA UTILIZANDO REDES NEURONALES ARTIFICIALES
topic	Agrociencias pino radiata Cilindro nudoso matriz de confusión tomografía computarizada redes neuronales artificiales
url	https://www.redalyc.org/articulo.oa?id=48515429007