Descomposición de datos multi-espectrales: interfaz gráfica para Matlab

Omar Gutiérrez Navarro, Daniel U. Campos Delgado, Edgar R. Arce Santana, Javier A. Jo

Resumen


Avances recientes han permitido el desarrollo de dispositivos capaces de capturar información en múltiples longitudes de onda. Estos datos tienen diversas aplicaciones con el problema en común de cómo interpretarlos. Una de las técnicas utilizadas con este fin es la descomposición espectral, que separa los datos de una muestra en sus componentes básicos y concentraciones proporcionales. Nuestro trabajo previo ha estado enfocado en la descomposición espectral de datos de fluorescencia multiespectral, donde se han desarrollado métodos que proporcionan una solución cuantitativa, robusta y rápida, la cual no está limitada por el número de componentes que se pueden caracterizar. En este trabajo, presentamos una interface desarrollada en Matlab que puede estimar los perfiles característicos de los componentes constituyentes de una muestra y sus abundancias. En caso de que no se tenga información alguna sobre la muestra, nos permite obtener además el número de componentes en ella. El artículo hace una descripción del software y sus herramientas.
Además, se ejemplifica su uso en la caracterización de muestras ex-vivo de arterias coronarias. El programa se encuentra disponible de manera gratuita y provee al usuario de una herramienta fácil de usar para el análisis de datos multi o hiper-espectrales.

Palabra(s) Clave(s): descomposición ciega, fluorescencia endógena, interfaz gráfica, optimización cuadrática, quimiometría.


Texto completo:

1351-1369 PDF

Referencias


J. Bioucas-Dias, A. Plaza, N. Dobigeon, M. Parente, Q. Du, P. Gader, J. Chanussot, “Hyperspectral unmixing overview: Geometrical, statistical, and sparse regression-based approaches”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Vol. 5. No. 2. 2012. 354–379 pp.

B. Green, A. R. Cobb, P. A. Brennan, C. Hopper, “Optical diagnostic techniques for use in lesions of the head and neck: review of the latest developments”. British Journal of Oral and Maxillofacial Surgery. Vol. 52. No. 8. 2014. 675– 680 pp.

P. Thomas, P. Pande, F. Clubb, J. Adame, J. A. Jo, “Biochemical imaging of human atherosclerotic plaques with fluorescence lifetime angioscopy”. Photochemistry and Photobiology. Vol. 86. No. 3. 2010. 727–731 pp.

J. R. Lakowicz, Principles of Fluorescence Spectroscopy. Springer. 2006.

W. K. Ma, J. Bioucas-Dias, T. H. Chan, N. Gillis, P. Gader, A. Plaza, Ambikapathi, C.Y. Chi, “A signal processing perspective on hyperspectral unmixing: Insights from remote sensing”. IEEE Signal Processing Magazine. Vol. 31. No. 1. 2014. 67–81 pp.

O. Gutierrez-Navarro, D. Campos Delgado, E. Arce-Santana, M. Mendez, J. Jo, “Blind end-member and abundance extraction for multi-spectral fluorescence lifetime imaging microscopy data”. IEEE Journal of Biomedical and Health Informatics. Vol. 18. No. 2. 2014. 606–617 pp.

O. Gutierrez-Navarro, D. U. Campos-Delgado, E. R. Arce-Santana, K. C. Maitland, S. Cheng, J. Jabbour, B. Malik, R. Cuenca, J. A. Jo, “Estimation of the number of fluorescent end-members for quantitative analysis of multispectral flim data”. Optics Express. Vol. 22. No. 10. 2014. 12255–12272 pp.

O. Gutierrez-Navarro, D. Campos Delgado, E. Arce-Santana, M. Mendez, J. Jo, “A fully constrained optimization method for time-resolved multispectral fluorescence lifetime imaging microscopy data unmixing”. IEEE Transactions on Biomedical Engineering. Vol. 6. No. 6. 2013. 1711–1720 pp.

B. C. Levy, Principles of Signal Detection and Parameter Estimation. 1st Edition. Springer Publishing Company Incorporated. 2008.

T.-H. Chan, C.-Y. Chi, K. Keizer, “Hyperspectral data geometry-based estimation of number of endmembers using -norm-based pure pixel identification algorithm”. IEEE Transactions on Geoscience and Remote Sensing. Vol. 51. No. 5. 2013. 2753– 2769 No.

S. Shrestha, B. E. Applegate, J. Park, X. Xiao, P. Pande, J. A. Jo, “Highspeed multispectral fluorescence lifetime imaging implementation for in vivo applications”. Optics Letters. Vol. 35. No. 15. 2010. 2558–2560 pp.

P. Pande, J. A. Jo, “Automated analysis of fluorescence lifetime imaging microscopy (flim) data based on the laguerre deconvolution method”. IEEE Transactions on Biomedical Engineering. Vol. 58. No. 1. 2011. 172–181 pp.


Enlaces refback

  • No hay ningún enlace refback.




URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Licencia Creative Commons    Pistas Educativasa está bajo la Licencia Creative Commons Atribución 3.0 No portada.