Figura 1: Imagen por resonancia magnetica

1.

Aplicaci
on al an
alisis de Im
agenes M
edicas (MRI)

Recordando, un fractal es un objeto geometrico caracterizado por tener una infinidad

de estructuras anidadas a diferentes escalas. En la naturaleza existen muchos objetos
que poseen la propiedad fractal por ejemplo: en los helechos, copos de nieve, monta
nas,
nubes y bacterias. Unas de las propiedades mas importantes que tienen los fractales es
la auto-semejanza, el caos y una dimension fractal no entera (FD). La FD ofrece una
medida cuantitativa de la auto-semejanza y de la escala.
El analisis fractal ha probado ser u
til en el estudio de una variedad de imagenes
medicas, las cuales usualmente tienen una cierta cantidad de aleatoriedad asociada a la
estructura natural de las texturas. Muchos estudios han usado exitosamente la FD para
por ejemplo calcular micro-calcificaciones en mamogramas, para predecir cambios en las
fracturas de tobillo y distinguir tumores de seno en mamogramas digitalizados. En las
imagenes medicas, la textura es una caracterstica fundamental que puede ser explotada
para analizar patologas de tejidos as como diferenciar lesiones del tejido circundante.
La textura de la imagen es usualmente afectada por la naturaleza aleatoria de los
objetos tales como el tejido y estructura del cuerpo, ruido, tipo de imagen (por ejemplo
MRI, CT o ultrasonido), limitaciones de la imagen y otra variedad de parametros que
afectan el proceso de adquisicion de la imagen.
Algunas observaciones interesantes acerca de H: este coeficiente cuantifica la aspereza
de las curvas BH (t). Cuando H = 1/2, el fBm es el conocido movimiento Browniano,
cuando H = 0,01 como se puede observar en la figura (2) la curva es bastante aspera,
mientras que para H = 0,99 la curva es bastante suave.
La relacion entre la dimension fractal y el coeficiente de Hurts esta dada por la siguiente ecuacion
FD = E + 1 H
(1)
donde, E + 1 es la dimension euclideana del espacio del fractal que contiene el fBm,
en otras palabras, la posicion de cada punto del proceso se describe con el vector x =
(x1 , . . . , xE ).

Figura 2: Efecto del coeficiente de Hurst en el movimiento Browniano fraccional

Figura 3: Una imagen a diferentes resoluciones (ppp)

A continuacion se describe un metodo basado en el movimiento Browniano fraccionario
(fBm), el cual es bastante adecuado para describir la textura y caractersticas de los
tumores debido a que integra el analisis fractal y el analisis de multiresolucion. La ventaja
de este metodo, a diferencia de otros metodos basados en analisis fractal, es no requiere
de una imagen de referencia para localizar el tumor por ejemplo en una MRI (Imagen
por Resonancia Magnetica, por sus siglas en ingles).

1.1.

El m
etodo basado en fBm

El fBm aproxima superficies asperas utilizando paseos aleatorios y una imagen medica
puede verse como el resultado final de un paseo aleatorio.
El hecho de que el proceso fBm tiene incrementos estacionarios aunque en proceso en
s no lo es, sugiere el uso de tecnicas tales como el Analisis de Multirresolucion (MRA)
para analizar una se
nal del fBm. Con el MRA se puede obtener un marco para el calculo
espectral eficiente del coeficiente de Hurts H.
Antes de explicar el metodo es necesario definir algunos conceptos preliminares.

resoluci
on: La resolucion de una imagen indica la cantidad de detalles que pueden
observarse en dicha imagen. Esta cantidad se puede expresar en pixeles por pulgada
(ppp), en la figura (3) se puede apreciar una imagen a diferentes resoluciones.
ondcula (Wavelet): Es un tipo especial de transformada matematica que representa una se
nal en terminos de versiones trasladadas y dilatadas de una onda
finita denominada ondcula madre.
espectro: El espectro de frecuencia se refiere a la variedad de frecuencias que
podemos utilizar para transmitir informacion. Se caracteriza por la distribucion de
amplitudes para cada frecuencia de un fenomeno ondulatorio.
An
alisis Multiresoluci
on (MRA): Relacionada con la transformada de Wavelet. Formalmente, un MRA del espacio de Lebesgue L2 (R) consiste en una secuencia
de subespacios {Vj }jZ L2 (R) que satisface,
1. j Z, Vj Vj+1 .
2. span{Vj }jZ = L2 (R).
3. jZ Vj = {0}
4. Una funcion f (x) V0 si y solo si D2j f (x) Vj .
5. Existe una funcion (x) : L2 R, llamada funcion de escalamiento tal que
la coleccion {Tn (x)} es una base ortonormal para V0 .
Ahora, supongamos que una se
nal S(w) es transformada por un filtro de ondcula
(u), entonces el espectro resultante a una resolucion especfica es:
j w)|2
S2j (w) = S(w)|(2
donde,
+ ),

(w)
= eiw h(w

h(w)
=

h(n)einw

n=

y h(n) son los coeficientes de la Transformada de Fourier de la correspondiente funcion

de escala.
El espectro de la se
nal discreta detallada, puede ser escrito como
X
S2dj = 2j
S2j (w + 2j 2k)
(2)
2j

La energa de la funcion de detalle a una resolucion especfica j se define como sigue,

22j

2j
=
2

2j

2j

S2dj (w)dw.

(3)

Esta ecuacion describe el soporte de la ondcula en el dominio de la frecuencia para una

resolucion especfica j. Finalmente, se puede probar que la solucion de la integral conduce
a una expresion que relaciona la energa contenida en dos operaciones consecutivas de
filtrado de resolucion,
22j = 22H 22j+1
(4)
De la ecuacion (4) se puede calcular el coeficiente de Hurst H como,
 2 
2j
1
H = log2
2
22j+1

(5)

De esto se concluye que la razon de las energas correspondientes al detalle de se

nales
en sucesivas resoluciones, provee una solucion para el calculo de H y consecuentemente
de la dimension fractal F D = E + 1 H.

Referencias
[1] Iftekharuddin, K. M, Techniques in Fractal Analysis and their applications in brain
MRI en Medical Imaging Systems Technology, Departament of Electrical and Computer Engineering, The University of Menphis, USA.
INTERNET
[2] http://www.doc.ic.ac.uk/~nd/surprise_95/journal/vol4/ykl/report.html
[3] http://math.gmu.edu/~dwalnut/teach/Math772/Fall07/772f07lec04.pdf
[4] http://bigdft.org/images/1/1b/Day-2-RS-FK-MRA.pdf