Aplicación grafica para aprendizaje multimedia
sobrerepresentación de patologías mediante imágenes producto
de resonancia ...
lesión secundaria.Las etapas iniciales de este simulador lo llevará a través
del tratamiento agudo,urgencias de la cabeza ...
• Antecedente 2:
– La universidad de Utah lanzó un software, que permite modelar y
visualizar desdecualquier ángulo, las i...
Figura 4: representación de FMRI en las partes del cerebro humano y como responde a las emociones y estimulos [12]
2.2 Téc...
a) Variacion de la técnica de pseudocolor: DensitySlicing (D-S)
Esta técnica es la más sencilla. Vemos la imagen en grises...
Lo que se hace es coger en la imágen el gris más y menos intenso (máscercanos al blanco y
al negro respectivamente) y la d...
Figura 6: representación de el espacio k pintado según la frecucncia [16]
2.4 Transformada de Fourier
En matemática, la tr...
La transformada de Fourier también se utiliza en el ámbito del tratamiento digital de
imágenes, como por ejemplo para mejo...
b) Accidente cerebrovascular
Un accidente cerebrovascular puede ser fácilmente identificado por una resonancia
magnética. ...
de programación a través de bindings. Con Qt se pueden desarrollar ricas aplicaciones
gráficas, incluye soporte de nuevas ...
Figure 7: interfaz gráfica de una aplicación de MRI cerebral [8]
• Características interactivas para juegos como detección...
Figure 5: Modelado de cerebro 3D con blender [11]
3.5 Efectos del Aprendizaje apoyado por los Multimedia
El aprendizaje ap...
con unos conocimientos previos amplios, que fueron capaces de alcanzar unas simulaciones
mentales e internas también basad...
[11] Imaios<http://www.imaios.com/en/e-Anatomy/Head-and-Neck/Brain-MRI-3D>
(2013, 30 de noviembre).
[12] H. Benoit-Cattin,...
Próxima SlideShare
Cargando en…5
×

Aplicación grafica para aprendizaje multimedia sobre representación de patologías mediante imágenes producto de resonancia magnética

577 visualizaciones

Publicado el

Publicado en: Ingeniería
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
577
En SlideShare
0
De insertados
0
Número de insertados
6
Acciones
Compartido
0
Descargas
1
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Aplicación grafica para aprendizaje multimedia sobre representación de patologías mediante imágenes producto de resonancia magnética

  1. 1. Aplicación grafica para aprendizaje multimedia sobrerepresentación de patologías mediante imágenes producto de resonancia magnética By: Cam Urquizo Daniel email: dancourbano@gmail.com Gomez Otiniano Gianfranco email: gian1994_1@hotmail.com Leon Ortecho Alexander email: link_alex05@hotmail.com Quintanilla Paredes Jose email: jguillermo2103@outlook.es Palabras claves Imagen por resonancia magnética, sistema nervioso central, material de educación interactivo, modelado del cerebro. Keywords Magnetic resonance imaging, central nervous system, interactive education material, modeling brain. 1 Introducción En consecuencia del poco material interactivo y gráfico que se dispone en la web respecto alas patologías del cerebro humano, nos hemos visto en la necesidad, con la ayuda de diferentesfuentes, un estudio minucioso y la ayuda de ciencias de la computación, en especial del área dela computación gráfica, de plasmar algunos de estos conocimientos con el fin de realizar estetrabajo como ayuda o guía para estudiantes relacionados con la rama medica de la neurologíao para conocimiento general, para que de manera interactiva puedan representar las patologíasdel cerebro humano, aquellas que son solo detectadas por máquinas o equipos de resonanciamagnética, así como sus posiciones con sus respectivos tonalidades de colores que permitenvisualizar qué zona del cerebro humano resulta afectada por determinada patología. Existen trabajos muy parecidos donde su aplicación nos ha servido de motivación y ayuda: • Antecedente 1: – En el siguiente antecedente tomaremos como ejemplo a un simulador llamado“NeurotraumaMoulage”, el NeurotraumaMoulage es un simulador de una lesióncerebral traumática, e incorpora un (muy aproximado) modelo matemático de lafisiología del neurotrauma. Está diseñado para simular una serie de condicionesque afectan al simulador de la lesión cerebral, y para fomentar una mayor comprensión de los principios fundamentales de la simulación de la lesión cerebraltraumática - en especial la prevención de la
  2. 2. lesión secundaria.Las etapas iniciales de este simulador lo llevará a través del tratamiento agudo,urgencias de la cabeza del paciente lesionado. Una vez en la unidad de cuidadosintensivos se enfrentan a diversos escenarios y hay que tomar medidas para minimizar la lesión cerebral. No se le presentará el próximo escenario hasta que hayalogrado llegar al cerebro de nuevo a estado normal, que en este caso es cuando elcerebro se pinta de color azul. Figura 1: Imagen representativa del simulador “NeurotraumaMoulage” [6] Figura 2: Software de visualización del cerebro en resonancia magnética ”SourceLocalization”[4] – Como características tenemos: El monitor del cuadro global de Neur - O – Visiónes un nuevo, patentado y totalmente ficticio que permite la visualización en tiemporeal del grado del cuadro general presente en el cerebro.Esto pone de relieve a la forma, en periodos críticos en la atención de los pacientessiempre son representativas del cuadro general severo, a pesar de alteracionesfisiológicas bastante menores. El monitoreo del “NeurotraumaMoulage” muestralos diversos signos vitales disponibles en cada etapa de la atención al paciente,desde el servicio de urgencias a través de la unidad de cuidados intensivos.
  3. 3. • Antecedente 2: – La universidad de Utah lanzó un software, que permite modelar y visualizar desdecualquier ángulo, las imágenes tomadas por resonancia magnética del cerebro.Esta versión se llama”SourceLocalizacion” y tiene una interfaz gráfica de usuarioen la cual podemos usar para representar el cerebro y cómo funciona la resonancia magnética, permite cargar imágenes de un formato Tif. Figura 3: Trastornos del mal de Alzheimer en mri [3] 2 Fundamentos 2.1 Imagen de resonancia magnética funcional ( FMRI ) Es una neuroimagen funcional procedimiento utilizando MRI tecnología que mide la actividad cerebral al detectar los cambios asociados en el flujo sanguíneo. Esta técnica se basa en el hecho de que el flujo sanguíneo cerebral y la activación neuronal se acoplan. Cuando un área del cerebro está en uso, el flujo de sangre a esa región también aumenta. El objetivo del análisis de los datos de la FMRI es detectar correlaciones entre la actividad cerebral y una tarea que el sujeto realiza durante la exploración. También tiene como objetivo descubrir las correlaciones con los estados cognitivos específicos, como la memoria y el reconocimiento, inducidas en el tema. La firma de la activación BOLD es relativamente débil, sin embargo, por lo que otras fuentes de ruido en los datos adquiridos deben ser controlados cuidadosamente. Esto significa que una serie de pasos de procesamiento se debe realizar en las imágenes adquiridas antes de la búsqueda estadística real para la activación relacionada con la tarea puede empezar. Sin embargo, es posible predecir, por ejemplo, las emociones una persona está experimentando únicamente a partir su fMRI, con un alto grado de precisión.
  4. 4. Figura 4: representación de FMRI en las partes del cerebro humano y como responde a las emociones y estimulos [12] 2.2 Técnicas de Pseudocolor Es frecuente. que imágenes de un solo plano o monocromas se representen en color, atribuyendo arbitrariamente un color fijo a cada valor de intensidad, mediante una paleta de colores o look up table. En estos casos se habla de pseudo color, ya que la información sobre el color de cada píxel sólo puede restablecerse a partir de la paleta de colores pero nunca a partir de los propios valores de intensidad de la imagen. Las paletas de colores suelen utilizarse para simular el color real de una imagen pero codificado en 8 o menos bits, como en el ejemplo siguiente. La necesidad de tener las imágenes anteriores en colores aparece porque es más sencillo encontrar ciertas zonas con información importante si hay un cambio brusco de color que si simplementa hay algún cambio de intensidad.No se debe confundir el pseudocolor con el falso color. Este último se utiliza para dar color a imágenes en escala de grises pero con una relación directa con la vida real. Figura 5: aplicación de pseudocolor en imagen por capas
  5. 5. a) Variacion de la técnica de pseudocolor: DensitySlicing (D-S) Esta técnica es la más sencilla. Vemos la imagen en grises como una función bidimensional en la que los ejes X e Y son la anchura y altura de la imagen en pixels y el eje Z la intensidad de gris (entre 0 y 255 si usamos un byte por pixel). El método consiste en dividir con una serie de planos paralelos al XY distintos niveles de intensidad de gris (grey Density) y a cada nivel de gris que queda entre los espacios interplanos (capas o Slices) se le asigna un color arbitrario. Por ejemplo si cogemos 3 planos tendríamos que asignar 4 colores. El primero a las intensidades entre 0 y 63, el segundo a las intensidades entre 64 y 127, otro entre 128 y 191 y el último color a las intensidades entre 192 y 255. No conviene, sin embargo, usar un número de planos excesivo (en la práctica posterior permitimos hasta 15) debido a que la imagen puede terminar haciéndose confusa y no ver aquello que estemos buscando en la misma. El pseudocódigo de esta técnica quedaría así : n_iguales=256/(n_capas+1); //1 capa->2 regiones de 128 posiciones del mismo color sobrantes=256%(n_capas+1); //El resto de la división que queda sin asignar for (i=0;i<(n_capas+1);i++) for (j=1;j<=n_iguales;j++) m_color[i*n_iguales+j-1]= paleta[i]; if (sobrantes>0) for (i=1;i<=sobrantes;i++) m_color[n_capas*n_iguales+i]=paleta[n_capas]; //A los sobrantes le asignamos por ejemplo el color de la última capa for (i=0; i<ancho;i++) for (j=0;j<alto;j++) imagen_salida[j][i]= m_color[imagen_entrada[j][i]]; Tenemos una matriz de imagen imagen_entrada que cada posición es la intensidad de gris de ese pixel. Primero generamos una matriz de 256 posiciones m_color que vamos a dividir en n_capas+1 pues n_capas es el nº de planos y a cada zona de m_color le damos un color de paleta.Así la imagen_salida es el color que se asigne a imagen_entrada. Se usa sobrantes para cuando no hay una división entera entre 256 yn_capas+1. b) Variacion de la técnica de pseudocolor: DensitySlicing Normalizada Esta es una mejora inmediata de la técnica anterior. Consiste simplemente en realizar un preprocesado antes de aplicar D-S.
  6. 6. Lo que se hace es coger en la imágen el gris más y menos intenso (máscercanos al blanco y al negro respectivamente) y la división de planos se hace tomando a estas intensidades como máxima y mínima en vez de usar el blanco y el negro. Da resultados muy buenos, sobre todo si la imagen está poco contrastada El código quedaría: gris_max=0; gris_min=255; for (i=0;i<ancho;i++) for (j=0;j<alto;j++) { if (gris_max<(imagen_entrada[j][i])) gris_max=(imagen_entrada[j][i]); if (gris_min>(imagen_entrada[j][i])) gris_min=(imagen_entrada[j][i]); } gris_dif=gris_max-gris_min; 2.3 K- space La Resonancia Magnética (RM) se diferencia de otras modalidades de imagen por su versatilidad. La razón más importante por la que se realiza esta afirmación es el manejo de los datos crudos en una matriz de datos llamada espacio-k, donde los datos esperan a ser descifrados. Este espacio está formado por los datos crudos que se han recibido y almacenado durante la adquisición de la imagen pero que aún no se han convertido en la imagen anatómica final. El espacio-k es un concepto mental. No existe estrictamente ningún hardware en un equipo de RM que se corresponda con el espacio-k. Es una plataforma para recoger, almacenar y procesar datos complejos. Estos datos representan miles de ondas sinusoidales que forman la imagen de RM. El término espacio-k es matemático. La letra 'k' se usa por los matemáticos y físicos para describir frecuencias espaciales, por ejemplo, en la propagación del sonido, la luz u ondas electromagnéticas en general.
  7. 7. Figura 6: representación de el espacio k pintado según la frecucncia [16] 2.4 Transformada de Fourier En matemática, la transformada de Fourier, denominada así por Joseph Fourier, es una aplicación que hace corresponder a una función f, con valores complejos y definidos en la recta, con otra función g definida de la manera siguiente: La transformada de Fourier es básicamente el espectro de frecuencias de una función. Un buen ejemplo de eso es lo que hace el oído humano, ya que recibe una onda auditiva y la transforma en una descomposición en distintas frecuencias (que es lo que finalmente se escucha). El oído humano va percibiendo distintas frecuencias a medida que pasa el tiempo, sin embargo, la transformada de Fourier contiene todas las frecuencias contenidas en todos los tiempos en que existió la señal; es decir, en la transformada de Fourier se obtiene un sólo espectro de frecuencias para toda la función. La transformada de Fourier se utiliza para pasar al dominio de la frecuencia una señal para así obtener información que no es evidente en el dominio temporal. Por ejemplo, es más fácil saber sobre qué ancho de banda se concentra la energía de una señal analizándola en el dominio de la frecuencia. También sirve para resolver ecuaciones diferenciales con mayor facilidad y, por consiguiente, se usa para el diseño de controladores clásicos de sistemas realimentados si conocemos la densidad espectral de un sistema y la entrada podemos conocer la densidad espectral de la salida. Esto es muy útil para el diseño de filtros de radiotransistores.
  8. 8. La transformada de Fourier también se utiliza en el ámbito del tratamiento digital de imágenes, como por ejemplo para mejorar o definir más ciertas zonas de una imagen fotográfica o tomada con una computadora. La transformada Discreta de Fourier, únicamente evalúa suficientes componentes frecuenciales para reconstruir el segmento finito que se analiza. Utilizar la DFT implica que el segmento que se analiza es un único período de una señal periódica que se extiende de forma infinita; si esto no se cumple, se debe utilizar una ventana para reducir los espurios del espectro. Un factor muy importante para este tipo de aplicaciones es que la DFT puede ser calculada de forma eficiente en la práctica utilizando el algoritmo de la transformada rápida de Fouriero FFT (Fast Fourier Transform).Los algoritmos FFT se utilizan tan habitualmente para calcular DFTs que el término "FFT" muchas veces se utiliza en lugar de "DFT" en lenguaje coloquial. Formalmente, hay una diferencia clara: "DFT" hace alusión a una transformación o función matemática, independientemente de cómo se calcule, mientras que "FFT" se refiere a una familia específica de algoritmos para calcular DFTs. 3.Anexos 3.1 Cerebro 3.1.1 Definición El cerebro es el centro de control del cuerpo. Controla los pensamientos, la memoria, el habla y los movimientos. Regula la función de muchos órganos. Cuando el cerebro está sano, funciona de forma rápida y automática. Sin embargo, cuando ocurren problemas, los resultados pueden ser devastadores. 3.1.2 Trastornos y patologías La resonancia magnética o MRI por sus siglas en inglés, como se le conoce comúnmente, es ampliamente utilizada para detectar trastornos cerebrales. Debido a la calidad de la imagen y la sensibilidad, la MRI es actualmente la mejor prueba para evaluar las anormalidades o trastornos en el cerebro. El número de trastornos cerebrales puede ser bastante extenso y/o complejo y debe ser visualizado bien para que el radiólogo haga un diagnóstico preciso y definitivo. El diagnóstico puede ser correlacionado con los síntomas del paciente para determinar el tratamiento. a) Tumores cerebrales La resonancia magnética puede detectar los tumores cerebrales de cualquier parte del cerebro. Es útil incluso para la detección de tumores muy pequeños, tales como los tumores de la pituitaria. La detección temprana de los tumores cerebrales por resonancia magnética pueden ayudar al médico a planificar el tratamiento adecuado para el paciente.
  9. 9. b) Accidente cerebrovascular Un accidente cerebrovascular puede ser fácilmente identificado por una resonancia magnética. Un accidente cerebrovascular hemorrágico se caracteriza por el sangrado en el cerebro causado por un vaso sanguíneo roto. Un accidente cerebrovascularisquémico ocurre cuando un vaso sanguíneo está obstruido o tapado y corta el suministro de sangre al cerebro. Ambos son potencialmente mortales y pueden ser fácilmente evaluados por resonancia magnética debido a los cambios en el contraste de los tejidos circundantes del cerebro. c) Esclerosis múltiple La esclerosis múltiple es una enfermedad autoinmune que afecta a la médula espinal y al cerebro, y que puede ser definitivamente diagnosticada con MRI. La MRI es la prueba de 3 elección, no sólo para diagnosticar, sino para seguir la progresión de la esclerosis múltiple. La esclerosis múltiple es vista como ”lesiones” en el cerebro y la progresión de la enfermedad o el tratamiento eficaz del trastorno puede ser determinada por un aumento o disminución en el tamaño y/o cantidad de estas ”lesiones”. 2.1.6 Convulsiones La MRI puede mostrar las causas de las convulsiones. Las personas que tienen un historial de convulsiones o epilepsia pueden tener cambios estructurales en el cerebro que pueden detectarse en una resonancia magnética. Algunos de estos cambios estructurales incluyen un tumor cerebral o una anormalidad de los vasos sanguíneos en el cerebro. 2.1.7 Demencia La demencia se define como una pérdida de la función cerebral que puede afectar el lenguaje, la memoria, la coherencia, el juicio y el pensamiento. Aunque ciertos trastornos en el cerebro pueden contribuir a un diagnóstico general de demencia, la MRI puede ayudar a diferenciar las formas de esta enfermedad. Esta información puede ser usada no sólo como una herramienta para aplicar el mejor plan de tratamiento para el paciente, sino también ayudar a la familia del paciente a prepararse y adaptarse mejor a las nuevas circunstancias. 3.2 QT4 3.2.1 Definición Qt es una amplia plataforma de desarrollo que incluye clases, librerías y herramientas para la producción de aplicaciones de interfaz gráfica en C++ de forma nativa pero pueden operar en varias plataformas, adicionalmente puede ser utilizado en varios otros lenguajes
  10. 10. de programación a través de bindings. Con Qt se pueden desarrollar ricas aplicaciones gráficas, incluye soporte de nuevas tecnologías como OpenGL, Bases de Datos, programación para redes, internacionalización y mucho más. También dispone de una amplia gama de herramientas que facilitan la creación de formularios, botones y ventanas de dialogo con el uso del ratón. Las aplicaciones creadas con Qt son muy elegantes, se ven y se operan mejor que las aplicaciones nativas. 3.3 Blender 3.3.1 Definición Es un programa informático multiplataforma, dedicado especialmente al modelado, animación y creación de gráficos tridimensionales. El programa fue inicialmente distribuido de forma gratuita pero sin el código fuente, con un manual disponible para la venta, aunque posteriormente pasó a ser software libre. Actualmente es compatible con todas las versiones de Windows, Mac OS X, GNU/Linux, etc. 3.3.2 Características Multiplataforma, libre, gratuito y con un tamaño de origen realmente pequeño comparado con otros paquetes de 3D, dependiendo del sistema operativo en el que se ejecuta. Capacidad para una gran variedad de primitivas geométricas, incluyendo curvas, mallas poligonales, vacíos, NURBS, metaballs. Junto a las herramientas de animación se incluyen cinemática inversa, deformaciones por armadura o cuadrícula, vértices de carga y partículas estáticas y dinámicas. Edición de audio y sincronización de video.
  11. 11. Figure 7: interfaz gráfica de una aplicación de MRI cerebral [8] • Características interactivas para juegos como detección de colisiones, recreaciones dinámicas y lógica. • Posibilidades de renderizado interno versátil e integración externa con potentes trazadores de rayos o ”raytracer” libres como kerkythea, YafRay o Yafrid. • Lenguaje Python para automatizar o controlar varias tareas. • Blender acepta formatos gráficos como TGA, JPG, Iris, SGI, o TIFF. También puede leer ficheros Inventor. Motor de juegos 3D integrado, con un sistema de ladrillos lógicos. Para más control se usa programación en lenguaje Python. • Simulaciones dinámicas para softbodies, partículas y fluidos. • Modificadores apilables, para la aplicación de transformación no destructiva sobre mal- las. • Sistema de partículas estáticas para simular cabellos y pelajes, al que se han agregado nuevas propiedades entre las opciones de shaders para lograr texturas realistas. • Capacidad para hacer Match moving. 3.4 OpenGL 3.4.1 Definición OpenGL (Open Graphics Library) es una especificación estándar que define una API multilenguaje y multiplataforma para escribir aplicaciones que produzcan gráficos 2D y 3D. La interfaz consiste en más de 250 funciones diferentes que pueden usarse para dibujar escenas tridimensionales complejas a partir de primitivas geométricas simples, tales como puntos, líneas y triángulos. Fue desarrollada originalmente por SiliconGraphics Inc. (SGI) en 1992 y se usa ampliamente en CAD, realidad virtual, representación científica, visualización de información y simulación de vuelo. También se usa en desarrollo de videojuegos, donde compite con Direct3D en plataformas Microsoft Windows.
  12. 12. Figure 5: Modelado de cerebro 3D con blender [11] 3.5 Efectos del Aprendizaje apoyado por los Multimedia El aprendizaje apoyado por los multimedia es efectivo, y es especialmente importante. En vez de unas simples reglas didácticas dominantes, necesitamos saber cómo las personas aprenden con los multimedia. Las principales ventajas son: • formas de representación múltiples • animación • múltiples modalidades sensoriales • no-linealidad • interactividad 3.6 Animación Una característica importante de los multimedia es la posibilidad de animación. La animación puede servir para varios propósitos: estos pueden utilizarse como soporte de la percepción en tres dimensiones de un objeto, una representación en dos dimensiones de un objeto rotando dicho objeto. Pueden usarse para dirigir la atención de los aprendices hacia los aspectos importantes del contenido (pero también hacia la decoración animada sin importancia) La animación puede utilizarse para la adquisición de conocimiento procedimental como, por ejemplo, en el área del aprendizaje de software, cuando los pasos de la interacción son modelados por medio de la animación. Finalmente, la animación puede cumplir una función de suplantación, cuando un aprendiz consigue realizar un procesamiento, que no habría podido conseguir sin este soporte externo. Existen, de hecho, varios hallazgos que muestran que el aprendizaje con animación puede ser más efectivo para el aprendizaje que las imágenes estáticas. Esto se ha visto en el caso del aprendizaje de software (para el que la animación proporciona, al menos, ventajas a corto plazo), y se ha comprobado también en el ámbito de la adquisición de conocimiento sobre procesos naturales (simulados por animación) en la educación de ciencias – a condición de que los aprendices realicen un procesamiento dirigido a un objetivo de dichas animaciones. En ciertos estudios, sin embargo, por medio de la animación se consiguieron también peo- res resultados que con imágenes estáticas. Las animaciones sólo se procesaron a un nivel superficial, y los aprendices adquirieron ideas equivocadas sobre el tema en cuestión. Los aprendices con unos conocimientos previos bajos necesitaban las animaciones como suplemento. Sin embargo, estas animaciones fueron menos necesarias para los aprendices
  13. 13. con unos conocimientos previos amplios, que fueron capaces de alcanzar unas simulaciones mentales e internas también basadas en imágenes estáticas. Estos aprendices, que tenían un conocimiento previo suficiente para realizar una simulación mental independientemente de la animación, usaron la animación simplemente por convicción, de un modo pasivo, en lugar de alcanzar una simulación mental por ellos mismos de manera activa. La animación se convierte en un obstáculo para dichos aprendices ya que ´ estos reciben una ayuda que en realidad no necesitan. 4 Bibliografía [1] MedlinePlus – Información de salud para ustedes. Biblioteca Nacional de Medicinade EE.UU. 2011 <http://www.nlm.nih.gov/medlineplus/spanish/braindiseases.html> (2013,11 de septiembre.) [2]Blender. Wikipedia – Enciclopedia Libre. Blender. Wikipedia – Enciclopedia Libre.2012 <http://es.wikipedia.org/wiki/Blender#Blender_en_la_Industria_de_la_computaci.C3> (2013, 11 de septiembre.) [3] E. TAGLIAZUCCHI, P. BALENZUELA, D. FRAIMAN, AND D. R. CHIALVO, Criticality in Large-ScaleBrainfMRI Dynamics Unveiledbya Novel Point ProcessAnalysis, 3era edición, EE.UU, 2000 [4] Universidad de Utah <http://uuhsc.utah.edu/uumsi/source-localization- tutorial.html#open-mri-image> (2013, 11 deseptiembre) [5] PAUL TOFTS. Quantitative mri of the brain: measuring changes caused by disease.2da Edición. Inglaterra: West Sussex, 2003 [6] Software development<http://www.quantum-analyzer.com/quantum-resonance- magnetic-analyzer-reports/998.html> (2013, 30 de noviembre). [7] El cerebro Humano <http://www.thehumanbrain.info/mri/mr-navigator.php> (2013, 30 de noviembre). [8] MR- Technology<http://www.mr- tip.com/serv1.php?type=db1&dbs=Brain%20MRI> (2013, 30 de noviembre). [9] Universidad Santiago de Compostela<http://www.usc.es/gl/investigacion/riaidt/rm/software.html> (2013, 30 de noviembre). [10] Michigan StateUniversity<https://www.msu.edu/~brains/brains/human/index.html> (2013, 30 de noviembre).
  14. 14. [11] Imaios<http://www.imaios.com/en/e-Anatomy/Head-and-Neck/Brain-MRI-3D> (2013, 30 de noviembre). [12] H. Benoit-Cattin, G. Collewet, B. Belaroussi, The SIMRI project: a versatile and interactive MRI simulator, 1era Edicion; Francia, Lyon 2005 [13] Theinstitueforadvanceclinicalimaging, <http://www.iacionline.net/ScannerDemo/MRISimulator.html> (2013, 1 de diciembre) [14] JürgenKürsch, KonzeptionundRealisierungeinesskalierbarenSimulatorsfür die Magnetresonanz-Tomographie, 1era edición, Alemania, 2003 [15] H. Benoit-Cattin, G. Collewet, B. Belaroussi, MagneticResonanceImaging (Mri) SimulationOn A Grid Computing Architecture, 1era edición, Francia: Villeurbanne, 2003 [16] Maria Rosa Moyano, El Pseudocolor en la imagen Radiográfica digital. Aportes al diagnóstico de la Desmineralización de los tejidos Calcificados dentarios, 1era edición, Colombia: Rosario, 2003. [17] ResonancemagneticImagingsimulator, <http://www.eee.metu.edu.tr/~ngencer/CagdasAltin/MriSimulator.html>(2013, 1 de diciembre)

×