Actualmente, el café es uno de los recursos naturales más consumidos tanto en el mundo como en el Perú, Por ello, es menester garantizar la calidad en los granos de café, pues esto afectará considerablemente en el precio y posicionamiento en mercados altamente competentes; asimismo, el cultivo de este representa el principal ingreso para algunas familias, el cual se ve amenazado entre otras plagas, por la más perniciosa: La Roya Amarilla. La Roya Amarilla se propaga fácilmente a través del aire, una vez que cae en un cultivo de café, ataca directamente en las hojas, almacenándose en forma de esporas en el envés de estas, y al paso de días consume las hojas hasta defoliar completamente la planta infectada. Debido a ello, la planta no puede adquirir los nutrientes necesarios del sol, pues necesita las hojas como receptores; en consecuencia, el fruto del café (granos) no se desarrollan con normalidad, y por ende su calidad y cantidad de cosecha es baja. Aun cuando no existe una solución absoluta para la erradicación de esta plaga, se la puede controlar; es decir, a través de un proceso manual y exhaustivo los caficultores pueden aplicar una solución bioquímica en la planta que detenga el desarrollo del hongo en las hojas, pero no acaba con ellas, solo se puede prolongar el tiempo de vida de la planta de café. Esto es posible, solo si se detecta en sus inicios la presencia de las esporas en las hojas, pues de haber germinado el hongo sería en vano cualquier intento de recuperar la planta, con lo que solo quedaría el exterminio de la planta. Frente a este panorama, se propone una solución a través del aprendizaje máquina y procesamiento de imágenes, con el fin de automatizar el proceso de detección de la Roya en las hojas y calcular de manera más precisa la severidad del hongo. El proceso comienza en tomar fotografías a las hojas en un espacio semi controlado (con fondo blanco), luego se guardan todas las imágenes de las que se quiera conocer el porcentaje de severidad y ejecutar el programa propuesto, al término de ello el software muestra un reporte estadístico con el grado de incidencia por hoja según la clasificación de severidad que corresponda. Finalmente, destacar que, de manera funcional, el aprendizaje máquina será vital para descartar si hay presencia de roya en la hoja analizada, y luego si la hoja está infectada, con el método de procesamiento de imágenes se calculará de manera más precisa el porcentaje de severidad considerando el área de la hoja examinada. / Tesis

Este trabajo de Tesis tiene por objetivo general dar soluciones a diferentes problemas relacionados con la detección automática de señales sísmicas. Dichos problemas incluyen el picado de los tiempos de los primeros arribos en exploración sísmica, la detección y determinación de los tiempos de llegada de fases de terremotos en registros de estaciones sismológicas, y la declaración y picado de los arribos de eventos en registros de microsismicidad. Para ello, se estudian diversos atributos sísmicos convencionales y no convencionales diseñados para realzar la llegada de las señales de interés por sobre el ruido de fondo de los datos. A partir de estos atributos se proponen nuevos algoritmos, estrategias y métodos para detectar las señales buscadas de forma eficiente, automática y precisa. En particular, se analiza la dimensión fractal de la traza sísmica, se aclaran algunas suposiciones teóricas e hipótesis que deben realizarse al considerar una traza sísmica como una curva fractal, y se evalúan distintas estrategias para estimar su dimensión. A partir de ejemplos con datos sintéticos y reales, se prueba que la dimensión fractal obtenida a través del método del variograma es un atributo que evidencia claramente la transición entre el ruido y la señal con ruido. Se desarrollan también tres nuevos métodos para detectar los tiempos de los primeros arribos en registros sísmicos complejos de forma automática. Los atributos en los que se basan estos nuevos algoritmos están dados por un cociente de energías, por la entropía de la traza sísmica, y por su dimensión fractal, aprovechando en este último caso los resultados del análisis previo. Los cambios detectados en los atributos son realzados mediante la aplicación de un filtro de suavizado que preserva los saltos bruscos. Estos algoritmos determinan los primeros arribos analizando las trazas sísmicas individualmente. Se introduce luego un novedoso proceso de corrección de picados erróneos que considera simultáneamente todo el conjunto de las trazas pertenecientes a un mismo registro de disparo común teniendo en cuenta la alineación aproximada de los primeros arribos dada por el modelo de refracción. Este procedimiento permite además descartar las trazas malas de forma automática. Los métodos propuestos son luego mejorados y aplicados a un gran volumen de datos reales provistos por la industria que presentan distintos desafíos y dificultades. Para estudiar la detección de señales en sismología, se realiza un análisis comparativo entre ocho métodos V de detección automática de fases de terremotos. El conjunto de ocho métodos analizado está formado por la adaptación de los tres algoritmos desarrollados para picar primeros arribos, por tres métodos tradicionales, y por dos métodos obtenidos a partir de modificaciones a dos de los métodos tradicionales. El estudio es llevado a cabo utilizando registros obtenidos en la Estación Sismológica de La Plata (LPA). Como resultado, se realiza una valoración relativa de los ocho métodos de detección en la que algunos de ellos se destacan por sobre otros, y se obtienen así herramientas computacionales para realizar la detección automática de fases de terremotos en estaciones sismológicas. Por último, se seleccionan tres de estos ocho métodos y a partir de ellos se genera una nueva metodología para detectar microsismos de forma automática que consta de dos pasos. En el primer paso se detectan y determinan todos los tiempos de aquellos eventos que representan un potencial arribo de un microsismo, traza por traza en todo el registro. En el segundo paso, se utiliza un criterio que analiza todo el registro en su conjunto para declarar la presencia de microsismos. Como resultado se obtienen el número de microsismos declarados, un indicador de confianza asociado a cada uno de ellos, y los tiempos de llegada para aquellas trazas en las que el evento es detectado.

Actualmente, el café es uno de los recursos naturales más consumidos tanto en el mundo como en el Perú, Por ello, es menester garantizar la calidad en los granos de café, pues esto afectará considerablemente en el precio y posicionamiento en mercados altamente competentes; asimismo, el cultivo de este representa el principal ingreso para algunas familias, el cual se ve amenazado entre otras plagas, por la más perniciosa: La Roya Amarilla. La Roya Amarilla se propaga fácilmente a través del aire, una vez que cae en un cultivo de café, ataca directamente en las hojas, almacenándose en forma de esporas en el envés de estas, y al paso de días consume las hojas hasta defoliar completamente la planta infectada. Debido a ello, la planta no puede adquirir los nutrientes necesarios del sol, pues necesita las hojas como receptores; en consecuencia, el fruto del café (granos) no se desarrollan con normalidad, y por ende su calidad y cantidad de cosecha es baja. Aun cuando no existe una solución absoluta para la erradicación de esta plaga, se la puede controlar; es decir, a través de un proceso manual y exhaustivo los caficultores pueden aplicar una solución bioquímica en la planta que detenga el desarrollo del hongo en las hojas, pero no acaba con ellas, solo se puede prolongar el tiempo de vida de la planta de café. Esto es posible, solo si se detecta en sus inicios la presencia de las esporas en las hojas, pues de haber germinado el hongo sería en vano cualquier intento de recuperar la planta, con lo que solo quedaría el exterminio de la planta. Frente a este panorama, se propone una solución a través del aprendizaje máquina y procesamiento de imágenes, con el fin de automatizar el proceso de detección de la Roya en las hojas y calcular de manera más precisa la severidad del hongo. El proceso comienza en tomar fotografías a las hojas en un espacio semi controlado (con fondo blanco), luego se guardan todas las imágenes de las que se quiera conocer el porcentaje de severidad y ejecutar el programa propuesto, al término de ello el software muestra un reporte estadístico con el grado de incidencia por hoja según la clasificación de severidad que corresponda. Finalmente, destacar que, de manera funcional, el aprendizaje máquina será vital para descartar si hay presencia de roya en la hoja analizada, y luego si la hoja está infectada, con el método de procesamiento de imágenes se calculará de manera más precisa el porcentaje de severidad considerando el área de la hoja examinada.

La Tuberculosis es una de las enfermedades más letales a nivel mundial. Los esfuerzos en salud pública están dirigidos a la temprana detección de los casos bacilíferos, ya que son la fuente de infección. En el mundo la detección se realiza mediante baciloscopía, que consiste en la observación de muestras de esputo para identificar y contar bacilos con la ayuda de un microscopio. Sin embargo, el procedimiento es subjetivo y consume excesivo tiempo al personal de salud. El presente estudio tiene como objetivo identificar bacilos en imágenes digitales captadas desde el microscopio. Dichas imágenes muestran bacilos y otros artefactos con el mismo color. Ambos tipos de estructura se almacenaron y etiquetaron individualmente conformando la base de datos. Se analizó el espectro de magnitudes de los descriptores de Fourier de dichas estructuras, con el fin de seleccionar los necesarios para la óptima caracterización e identificación. Mediante el método sub-óptimo de selección de características hacia atrás (backward feature selection) se determinó los 14 descriptores que mejor discriminan entre las clases. Para comprobar este método se diseño un programa que procesó las 480 estructuras de la base de datos. Dicho programa obtuvo un porcentaje de acierto de 96.86%, una sensibilidad de 100% y una especificidad de 91.47% El estudio demuestra que es posible la identificación de bacilos mediante la clasificación de descriptores de Fourier previamente seleccionados. Estos resultados sugieren que las técnicas de procesamiento de imágenes digitales tienen el potencial de agilizar el diagnóstico de Tuberculosis. / Tesis

Barrón Cedeño, LA. (2012). On the Mono- and Cross-Language Detection of Text Re-Use and Plagiarism [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/16012 / Palancia

Los cañones de artillería de las corbetas misileras con que cuenta la Marina de Guerra del Perú, poseen un sistema de control de tiro con tecnología analógica de los años 80´s, que actualmente presentan una serie de desventajas respecto al gran avance tecnológico de los sistemas electrónicos y digitales, quedando en desuso y con gran obsolescencia técnica. El tiro antisuperficie se realiza con el cañón 76 mm. instalado a proa de la cubierta principal de las corbetas misileras; el cual lo ejecuta en forma automática de acuerdo al seguimiento que efectúe el radar de control de tiro, y la solución al problema de tiro que efectúe el calculador del sistema de control. El sistema de control de tiro recibe las señales provenientes de los diversos sistemas periféricos del buque, así como de las tablas de tiro, para realizar el cálculo y determinar el ángulo de elevación y el ángulo de ronza con que debe posicionarse el cañón para ejecutar el disparo. En la presente tesis se realiza una introducción a la corbeta misilera y sus características, armamento y sensores; se explica en qué consiste el tiro antisuperficie y sus particularidades; asimismo, se analiza la problemática con que se cuenta para controlar la posición del cañón y realizar el tiro adecuadamente. Finalmente, se plantean técnicas de control para determinar la posición del cañón a fin de realizar tiro antisuperficie. El trabajo consta de la simulación de un sistema de control con calculador que determine cuál es el ángulo de elevación y ángulo en ronza del cañón para ejecutar el tiro en la posición deseada donde se encuentre el blanco. El principal aporte de la presente tesis es el desarrollo del sistema de control de la posición de un cañón, que permite alcanzar los requerimientos para ejecutar un tiro antisuperficie, el cual podría ser implementado en base a tecnología actual. / Tesis

La Tuberculosis es una de las enfermedades más letales a nivel mundial. Los esfuerzos en salud pública están dirigidos a la temprana detección de los casos bacilíferos, ya que son la fuente de infección. En el mundo la detección se realiza mediante baciloscopía, que consiste en la observación de muestras de esputo para identificar y contar bacilos con la ayuda de un microscopio. Sin embargo, el procedimiento es subjetivo y consume excesivo tiempo al personal de salud. El presente estudio tiene como objetivo identificar bacilos en imágenes digitales captadas desde el microscopio. Dichas imágenes muestran bacilos y otros artefactos con el mismo color. Ambos tipos de estructura se almacenaron y etiquetaron individualmente conformando la base de datos. Se analizó el espectro de magnitudes de los descriptores de Fourier de dichas estructuras, con el fin de seleccionar los necesarios para la óptima caracterización e identificación. Mediante el método sub-óptimo de selección de características hacia atrás (backward feature selection) se determinó los 14 descriptores que mejor discriminan entre las clases. Para comprobar este método se diseño un programa que procesó las 480 estructuras de la base de datos. Dicho programa obtuvo un porcentaje de acierto de 96.86%, una sensibilidad de 100% y una especificidad de 91.47% El estudio demuestra que es posible la identificación de bacilos mediante la clasificación de descriptores de Fourier previamente seleccionados. Estos resultados sugieren que las técnicas de procesamiento de imágenes digitales tienen el potencial de agilizar el diagnóstico de Tuberculosis.

[EN] Over the last 20 years health system has been revolutionized by imaging technology so diagnostic imaging has become the mainstay of the management of patients. Nowadays, degeneration of the intervertebral discs, herniation and spinal stenosis are very common entities that affect millions of people and cause back pain. The development of computer-aided diagnosis (CAD) methods for classifying and quantifying these pathologies has increased in the past decade as a way to assist radiologists in the diagnosis task. So, the main objective of the first part of this Doctoral Thesis is the development of a CAD software for the classification and quantification of spine disease by means of Magnetic Resonance image analysis. To this end, two different groups of patients have been used, one as training group (14 patients) and the other as testing group (53 patients). To classify disc degeneration according to the gold standard, Pfirrmann classification, a method mainly based on the measurement of disc signal intensity and structure has been developed. The method developed to detect disc herniations has been focused on disc segmentation and its approximation by an ellipse, in this way it is possible to extract disc shape features for detecting contour abnormalities. The method developed to detect spinal stenosis, based on signal intensity, has been developed to extract the spinal canal and, by applying different techniques, to detect spinal stenosis at every intervertebral disc level and quantify the severity of the pathology. The results have shown a segmentation inaccuracy below 1%. Regarding reproducibility, it has been obtained an almost perfect agreement (measured by the k and ICC statistics) for all the analysed pathologies. The results have shown that the developed methods can assist radiologists to perform their decision-making tasks, providing support for enhanced reproducibility of MRI reports and achieving greater objectivity. However, not only the intervertebral discs are susceptible to suffer several pathologies. The vertebral bodies are also subject to a wide variety of diseases because of different circumstances. So, prior to any diagnosis task, an accurate detection and segmentation of the vertebral bodies are the first crucial steps. Therefore, the main objective of the second part of this Doctoral Thesis is the development of an automatic method for the detection and segmentation of the spine in Computed Tomography imaging. Performing an automatic and robust segmentation is a very challenging task due to the difficulty discriminating between the ribs and the vertebral bodies. To overcome this problem, two different segmentation methods have been combined: the first method uses a Level-Set method to perform an initial segmentation; the second method uses a probabilistic atlas to refine the initial segmentation with a special focus on ribs suppression. So a 3D volume indicating the probability of each voxel of belonging to the spine has been developed, by means of a set of images, corresponding to 14 patients (training group), manually segmented by an expert. The generated probability map has been deformed and adapted to each testing case. To evaluate the segmentation results and the improvement obtained after applying the atlas to the initial segmentation, the Dice similarity coefficient (DSC) and the Hausdorff distance (HD) have been used. The results have shown up an average of 11 mm of improvement in segmentation accuracy in terms of HD, obtaining an overall final average of 14,98 ± 1,32 mm. A refinement of 1,3 % has been obtained in terms of DSC, with a global value of 91,75 ± 1,20 %. The study has demonstrated that the atlas is able to detect and appropriately eliminate the ribs while improving the segmentation accuracy. / [ES] En los últimos 20 años el sistema sanitario se ha visto revolucionado por la tecnología de la imagen, por lo que el diagnóstico por imagen se ha convertido en un pilar fundamental en el manejo de los pacientes. Hoy en día la degeneración de los discos intervertebrales, la hernia discal y la estenosis del canal vertebral, son tres patologías que afectan a millones de personas y causan dolor de espalda. El desarrollo de sistemas CAD para clasificar y cuantificar estas patologías se ha incrementado en la última década como una forma de ayuda al radiólogo en el diagnóstico. Por tanto, la primera parte de esta Tesis Doctoral tiene como objetivo el desarrollo de un sistema CAD para la clasificación y cuantificación de la patología discal por medio del análisis de Imagen por Resonancia Magnética. Con este fin se han utilizado dos grupos de pacientes, uno como grupo de entrenamiento (14 pacientes) y el otro como grupo de prueba (53 pacientes). Para la clasificación de la degeneración discal se ha desarrollado un método basado en el cálculo de la estructura del disco y de su señal de intensidad. El método de detección de herniaciones se ha centrado en la segmentación del disco y su aproximación por una elipse, para extraer así información sobre la forma del disco. El método de detección de estenosis, basado en la señal de intensidad, ha sido desarrollado para extraer el canal vertebral y, con la aplicación de diferentes técnicas, detectar estrechamientos a la altura de los discos y cuantificar la gravedad de los mismos. Los resultados han demostrado una alta precisión en la segmentación, con un error inferior al 1 %. En cuanto a la reproducibilidad, se ha obtenido un acuerdo casi perfecto (medido con los coeficientes CCI y k) para todas las patologías analizadas. Los resultados obtenidos demuestran que los métodos desarrollados pueden servir de ayuda al radiólogo en el diagnóstico, mejorando la reproducibilidad y logrando una mayor objetividad. Sin embargo, no sólo los discos intervertebrales son susceptibles de sufrir alguna patología. Los cuerpos vertebrales también pueden sufrir lesiones por diversas circunstancias. No obstante, antes de realizar cualquier tarea de diagnóstico, llevar a cabo una detección y segmentación precisa de los cuerpos vertebrales es un primer paso crucial. Así pues, la segunda parte de esta Tesis Doctoral tiene como objetivo el desarrollo de un método automático para la detección y segmentación de la columna vertebral por medio del análisis de Tomografía Computarizada. Llevar a cabo una segmentación automática y precisa es una tarea complicada debido principalmente a la gran dificultad para distinguir entre los cuerpos vertebrales y las costillas. Para solucionar este problema se han combinado dos métodos de segmentación diferentes: el primero utiliza un método Level-Set para llevar a cabo una segmentación inicial; el segundo utiliza un atlas probabilístico, para refinar la segmentación inicial, con un enfoque especial en la supresión de las costillas. Por tanto, se ha obtenido un volumen 3D indicando la probabilidad de cada voxel de pertenecer o no a la columna vertebral, por medio de un conjunto de imágenes correspondientes a 14 pacientes segmentadas manualmente por un experto. El mapa de probabilidad generado ha sido deformado y adaptado a cada uno de los 7 pacientes del grupo de prueba. Para evaluar los resultados de la segmentación y la mejora obtenida después de aplicar el atlas a la segmentación inicial, se ha utilizado el coeficiente Dice (DSC) y la distancia Hausdorff (HD). Los resultados han demostrado una mejora en la precisión de la segmentación de 11 mm de media en términos de HD, con una media global de 14,98 ± 1,32 mm. En términos de DSC se ha obtenido una mejora de un 1,3 % , con una media global de 91,75 ± 1,20 %. El estudio ha demostrado que el atlas es capaz de detectar y eliminar apropiadamente las estructuras costales / [CAT] En els últims 20 anys el sistema sanitari s'ha vist revolucionat per la tecnologia de la imatge, per la qual cosa el diagnòstic per imatge s'ha convertit en un pilar fonamental en el maneig dels pacients. Hui en dia la degeneració dels discos intervertebrals, l'hèrnia discal i l'estenosi del canal vertebral, són tres patologies molt comunes que afecten milions de persones i causen dolor d'esquena. El desenvolupament de sistemes CAD per a classificar i quantificar estes patologies s'ha incrementat en l'última dècada com una forma d'ajuda al radiòleg en el diagnòstic. Per tant, la primera part d'aquesta Tesi Doctoral té com a objectiu el desenvolupament d'un sistema CAD per a la classificació i quantificació de la patologia discal per mitjà de l'anàlisi d'Imatge per Ressonància Magnètica. Amb aquest fi s'han utilitzat dos grups de pacients distints, un com a grup d'entrenament (14 pacients) i l'altre com a grup de prova (53 pacients). Per a la classificació de la degeneració discal, s'ha desenvolupat un mètode basat en el càlcul de l'estructura del disc i del seu senyal d'intensitat. El mètode de detecció d'herniacions s'ha centrat en la segmentació del disc i la seua aproximació per una el·lipse, per a extraure així informació sobre la forma del disc. El mètode de detecció d'estenosi, basat en el senyal d'intensitat, ha sigut desenvolupat per a extraure el canal vertebral i amb l'aplicació de diferents tècniques detectar estrenyiments a l'altura dels discos i quantificar la gravetat dels mateixos. Els resultats han demostrat una alta precisió en la segmentació, amb un error inferior a l'1 %. En quant a la reproduïbilitat, s'ha obtingut un acord quasi perfecte (mesurat amb els coeficients CCI i k) per a totes les patologies analitzades. Els resultats obtinguts demostren que els mètodes desenvolupats poden servir d'ajuda al radiòleg en el diagnòstic, millorant la reproduïbilitat i aconseguint una major objectivitat. No obstant això, no sols els discos intervertebrals són susceptibles de patir alguna patologia. Els cossos vertebrals també poden patir lesions per diverses circumstàncies. Per tant, abans de realitzar qualsevol tasca de diagnòstic, dur a terme una detecció i segmentació precisa dels cossos vertebrals és un primer pas crucial. Així, doncs, la segona part d'aquesta Tesi Doctoral té com a objectiu el desenvolupament d'un mètode automàtic per a la detecció i segmentació de la columna vertebral per mitjà de l'anàlisi de Tomografia Computada. Dur a terme una segmentació automàtica i precisa és una tasca complicada degut principalment a la gran dificultat per a distingir entre els cossos vertebrals i les costelles. Per a solucionar aquest problema s'han combinat dos mètodes de segmentació diferents: el primer utilitza un mètode Level-Set per a dur a terme una segmentació inicial; el segon utilitza un atles probabilístic, per a refinar la segmentació inicial amb un enfocament especial en la supressió de les costelles. Per tant, s'ha obtingut un volum 3D indicant la probabilitat de cada voxel de pertànyer o no a la columna vertebral, per mitjà d'un conjunt d'imatges corresponents a 14 pacients (grup d'entrenament) segmentades manualment per un expert. El mapa de probabilitat generat ha sigut deformat i adaptat a cadascun dels 7 pacients del grup de prova. Per a avaluar els resultats de la segmentació i la millora obtinguda després d'aplicar l'atles a la segmentació inicial, s'ha utilitzat el coeficient Dice (DSC) i la distància Hausdorff (HD). Els resultats han demostrat una millora en la precisió de la segmentació d'11 mm de mitja en termes de HD, amb una mitja global de 14,98 ± 1,32 mm. S'ha obtingut una millora d'un 1,3 % en termes de DSC, amb una mitja global de 91,75 ± 1,20 %. L'estudi ha demostrat que l'atles és capaç de detectar i eliminar apropiadament les estructures costals alhora que millora la precisió de la segmentació. / Ruiz España, S. (2016). CARACTERIZACIÓN CUANTITATIVA DE LA PATOLOGÍA DISCAL Y LUMBAR DEGENERATIVA MEDIANTE ANÁLISIS DE IMAGEN POR RESONANCIA MAGNÉTICA Y DETECCIÓN Y SEGMENTACIÓN DE LA COLUMNA VERTEBRAL EN PACIENTES ONCOLÓGICOS A PARTIR DEL ANÁLISIS DE IMAGEN EN TOMOGRAFÍA COMPUTARIZADA [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/68485 / TESIS

[ES] La endoscopia capsular (CE) es una ampliamente utilizada alternativa mínimamente invasiva a la endoscopia tradicional, que permite la visualización de todo el intestino delgado, mientras no es posible hacerlo fácilmente con los procedimientos más invasivos. Sin embargo, esos métodos tradicionales aún suelen ser la primera opción de tratamiento, ya que todavía existen desafíos importantes en el campo de la CE, incluyendo el tiempo necesario para el diagnóstico por vídeo después del procedimiento, el hecho de que la cápsula no se puede controlar activamente, la falta de consenso sobre una buena preparación del paciente y el coste alto. En esta tesis doctoral, nuestro objetivo es extraer más información de los procedimientos de endoscopía por cápsula para ayudar a aliviar estos problemas desde una perspectiva que parece estar subrepresentada en la investigación actual. Primero, como el objetivo principal en esta tesis, pretendemos desarrollar un método de evaluación de la limpieza en procedimientos de CE automático y objetivo para asistir la investigación médica en métodos de preparación de los pacientes. Específicamente, a pesar de que una preparación adecuada del paciente pueda ayudar a obtener una mejor visibilidad, los estudios sobre el método más efectivo son contradictorios debido a la ausencia de tal método. Por lo tanto, pretendemos proporcionar un método de ese tipo, capaz de presentar la limpieza en una escala intuitiva, con una novedosa arquitectura relativamente ligera de una red neuronal convolucional en su núcleo. Entrenamos este modelo en un conjunto de datos extensivo de más de 50,000 parches de imágenes, obtenidos de 35 procedimientos CE diferentes, y lo comparamos con métodos de clasificación del estado del arte. A partir de la clasificación, desarrollamos un método para automáticamente estimar las probabilidades a nivel de píxel y deducir los puntos en la escala de la evaluación de la limpieza a través de umbrales aprendidos. Después, validamos nuestro método en un entorno clínico en 30 videos de CE obtenidos nuevamente, comparando las puntuaciones resultantes con las asignadas de forma independiente por especialistas humanos. Obtuvimos la mayor precisión de clasificación para el método propuesto (95,23%), con tiempos de predicción promedios significativamente más bajos que para el segundo mejor método. En la validación, encontramos un acuerdo aceptable con dos especialistas humanos en comparación con el acuerdo interhumano, mostrando su validez como método de evaluación objetivo. Adicionalmente, otro objetivo de este trabajo es detectar automáticamente el túnel y ubicar el túnel en cada fotograma. Para este objetivo, entrenamos un modelo basado en R-CNN, concretamente el detector ligero YOLOv3, en un total de 1385 fotogramas, extraídos de procedimientos de CE de 10 pacientes diferentes. De tal manera, alcanzamos una precisión del 86,55% y una recuperación del 88,79% en nuestro conjunto de datos de test. Ampliando este objetivo, también pretendemos visualizar la motilidad intestinal de una manera análoga a una manometría intestinal tradicional, basada únicamente en la técnica mínimamente invasiva de CE. Para esto, alineamos los fotogramas con similar orientación y derivamos los parámetros adecuados para nuestro método de segmentación de las propiedades del rectángulo delimitador del túnel. Finalmente, calculamos el tamaño relativo del túnel para construir un equivalente de una manometría intestinal a partir de información visual. Desde que concluimos nuestro trabajo, nuestro método para la evaluación automática de la limpieza se ha utilizado en un estudio a gran escala aún en curso, en el que participamos activamente. Mientras gran parte de la investigación se centra en la detección automática de patologías, como tumores, pólipos y hemorragias, esperamos que nuestro trabajo pueda hacer una contribución significativa para extraer más información de la CE también en otras áreas frecuentemente subestimadas. / [CA] L'endoscòpia capsular (CE) és una àmpliament utilitzada alternativa mínimament invasiva a l'endoscòpia tradicional, que permet la visualització de tot l'intestí prim, mentre no és possible fer-lo fàcilment amb els procediments més invasius. No obstant això, aqueixos mètodes tradicionals encara solen ser la primera opció de tractament, ja que encara existeixen desafiaments importants en el camp de la CE, incloent el temps necessari per al diagnòstic per vídeo després del procediment, el fet que la càpsula no es pot controlar activament, la falta de consens sobre una bona preparació del pacient i el cost alt. En aquesta tesi doctoral, el nostre objectiu és extraure més informació dels procediments de endoscopía per càpsula per a ajudar a alleujar aquests problemes des d'una perspectiva que sembla estar subrepresentada en la investigació actual. Primer, com l'objectiu principal en aquesta tesi, pretenem desenvolupar un mètode d'avaluació de la neteja en procediments de CE automàtic i objectiu per a assistir la investigació mèdica en mètodes de preparació dels pacients. Específicament, a pesar que una preparació adequada del pacient puga ajudar a obtindre una millor visibilitat, els estudis sobre el mètode més efectiu són contradictoris a causa de l'absència de tal mètode. Per tant, pretenem proporcionar un mètode d'aqueix tipus, capaç de presentar la neteja en una escala intuïtiva, amb una nova arquitectura relativament lleugera d'una xarxa neuronal convolucional en el seu nucli. Entrenem aquest model en un conjunt de dades extensiu de més de 50,000 pegats d'imatges, obtinguts de 35 procediments CE diferents, i el comparem amb mètodes de classificació de l'estat de l'art. A partir de la classificació, desenvolupem un mètode per a automàticament estimar les probabilitats a nivell de píxel i deduir els punts en l'escala de l'avaluació de la neteja a través de llindars apresos. Després, validem el nostre mètode en un entorn clínic en 30 vídeos de CE obtinguts novament, comparant les puntuacions resultants amb les assignades de manera independent per especialistes humans. Vam obtindre la major precisió de classificació per al mètode proposat (95,23%), amb temps de predicció mitjanes significativament més baixos que per al segon millor mètode. En la validació, trobem un acord acceptable amb dos especialistes humans en comparació amb l'acord interhumà, mostrant la seua validesa com a mètode d'avaluació objectiu. Addicionalment, un altre objectiu d'aquest treball és detectar automàticament el túnel i situar el túnel en cada fotograma. Per a aquest objectiu, entrenem un model basat en R-CNN, concretament el detector lleuger YOLOv3, en un total de 1385 fotogrames, extrets de procediments de CE de 10 pacients diferents. De tal manera, aconseguim una precisió del 86,55% i una recuperació del 88,79% en el nostre conjunt de dades de test. Ampliant aquest objectiu, també pretenem visualitzar la motilitat intestinal d'una manera anàloga a una manometría intestinal tradicional, basada únicament en la tècnica mínimament invasiva de CE. Per a això, alineem els fotogrames amb similar orientació i derivem els paràmetres adequats per al nostre mètode de segmentació de les propietats del rectangle delimitador del túnel. Finalment, calculem la grandària relativa del túnel per a construir un equivalent d'una manometría intestinal a partir d'informació visual. Des que concloem el nostre treball, el nostre mètode per a l'avaluació automàtica de la neteja s'ha utilitzat en un estudi a gran escala encara en curs, en el qual participem activament. Mentre gran part de la investigació se centra en la detecció automàtica de patologies, com a tumors, pòlips i hemorràgies, esperem que el nostre treball puga fer una contribució significativa per a extraure més informació de la CE també en altres àrees sovint subestimades. / [EN] Capsule endoscopy (CE) is a widely used, minimally invasive alternative to traditional endoscopy that allows visualisation of the entire small intestine, whereas more invasive procedures cannot easily do this. However, those traditional methods are still commonly the first choice of treatment for gastroenterologists as there are still important challenges surrounding the field of CE. Among others, these include the time consuming video diagnosis following the procedure, the fact that the capsule cannot be actively controlled, lack of consensus on good patient preparation and the high cost. In this doctoral thesis, we aim to extract more information from capsule endoscopy procedures to aid in alleviating these issues from a perspective that appears to be under-represented in current research. First, and as the main objective in this thesis, we aim to develop an objective, automatic cleanliness evaluation method in CE procedures to aid medical research in patient preparation methods. Namely, even though adequate patient preparation can help to obtain a cleaner intestine and thus better visibility in the resulting videos, studies on the most effective preparation method are conflicting due to the absence of such a method. Therefore, we aim to provide such a method, capable of presenting results on an intuitive scale, with a relatively light-weight novel convolutional neural network architecture at its core. We trained this model on an extensive data set of over 50,000 image patches, collected from 35 different CE procedures, and compared it with state-of-the-art classification methods. From the patch classification results, we developed a method to automatically estimate pixel-level probabilities and deduce cleanliness evaluation scores through automatically learnt thresholds. We then validated our method in a clinical setting on 30 newly collected CE videos, comparing the resulting scores to those independently assigned by human specialists. We obtained the highest classification accuracy for the proposed method (95.23%), with significantly lower average prediction times than for the second-best method. In the validation of our method, we found acceptable agreement with two human specialists compared to interhuman agreement, showing its validity as an objective evaluation method. Additionally, we aim to automatically detect and localise the tunnel in each frame, in order to help determine the capsule orientation at any given time. For this purpose, we trained an R-CNN based model, namely the light-weight YOLOv3 detector, on a total of 1385 frames, extracted from CE procedures of 10 different patients, achieving a precision of 86.55% combined with a recall of 88.79% on our test set. Extending on this, we additionally aim to visualise intestinal motility in a manner analogous to a traditional intestinal manometry, solely based on the minimally invasive technique of CE, through aligning the frames with similar orientation and using the bounding box parameters to derive adequate parameters for our tunnel segmentation method. Finally, we calculate the relative tunnel size to construct an equivalent of an intestinal manometry from visual information. Since we concluded our work, our method for automatic cleanliness evaluation has been used in a still on-going, large-scale study, with in which we actively participate. While much research focuses on automatic detection of pathologies, such as tumors, polyps and bleedings, we hope our work can make a significant contribution to extract more information from CE also in other areas that are often overlooked. / Noorda, RA. (2022). Clearing the Way in Capsule Endoscopy with Deep Learning and Computer Vision [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/183752 / TESIS