Algoritmo rápido para el análisis de imágenes digitales

En el análisis de imágenes un problema habitual es encontrar una clase de objetos dada. Para resolver el problema, se puede construir un modelo matemático de estos objetos, extraer los parámetros necesarios e intentar calificar las diferentes partes de la imagen como afines o no al objeto. De esta manera se pueden encontrar los objetos a priori conocidos en una imagen.

En un artículo publicado en Mathematical methods, computational techniques, non-linear systems, intelligent systems, Kostadin Koroutchev del Departamento de Ingeniería Informática de la UAM y Elka Korutcheva del Departamento de Física Fundamental de la UNED han intentado responder a la pregunta reversa: ¿Es posible encontrar las partes de una imagen que no cumplen ningún modelo conocido?

Estas partes no tienen un modelo determinado salvo la propiedad de que no se parecen a las demás partes en el conjunto de imágenes. Por ejemplo, la parte inusual en una ECG podría ser una región relacionada con arritmia; en una imagen ecográfica de los ovarios, esta parte podría corresponder a un quiste. Para un observador humano, estas partes pueden resultar evidentes (ver figura), pero no es así en el caso de análisis automático.

La búsqueda exhaustiva de tales partes llevaría un tiempo de computación no aceptable, siendo por lo menos proporcional al número total de píxeles y también al volumen de los objetos.Sin embargo, estos investigadores han visto que utilizando esta propiedad que la parte inusual es la que más distingue de las demás partes, es posible diseñar un método probabilístico rápido y sencillo para detectar las partes inusuales dentro de una imagen digital. La probabilidad de equivocación del método es fácil de controlar y disminuye exponencialmente con el esfuerzo computacional. Para probabilidades de orden de uno por millón, los tiempos de cálculo son del orden de unas décimas de segundos en un ordenador personal.

El método es independiente del tamaño de la parte inusual de la imagen en términos de tiempo y velocidad de ejecución del programa. También es independiente de la dimensión de la imagen siendo idóneo para el tratamiento de imágenes en tres dimensiones.

Estas características hacen el método aplicable a imágenes medicas de dos y de tres dimensiones, que se caracterizan con un número muy grande de píxeles como Rayos X, tomografías, resonancia magnética, PET etc.