ADVANCE APPLICATIONS OF FOURIER TRANSFORM INFRARED

SPECTROSCOPY

En este artículo, publicado por Manjusha N. Dole, Priyanka A. Patel, Sanjay D. Sawant,
Priyanka S. Shedpure, del Departamento de Química Farmacéutica del Colegio de
Farmacéutica en India en 2011, explican como la Transformada de Fourier en un
Espectroscopio con infrarrojo, tiene muchas aplicaciones en la química farmacéutica, como
por ejemplo, la medición de contenido sólidos y semi-sólidos en la formulación de
medicinas, también, en la penetración de medicinas a través de membranas biológicas y
artificiales.

La ventaja que ofrece un Espectrómetro Infrarrojo con Transformada de Fourier, es la

creación de perfiles de profundidad; esto permite visualizar fácilmente la droga y la
distribución de excipiente en formulaciones farmacéuticas, tales como tabletas y en
sistemas transdérmicos terapéuticos, permite visualizar la liberación de la medicina, en
estudios de permeabilidad, permite observar la absorción de productos cosméticos en
cabello humano.

El espectroscopio infrarrojo con transformada de Fourier, El consiste en un interferómetro,

espejo fijo, un espejo móvil, divisor de haz. Un haz emitido por una fuente se divide en dos
por el divisor de haz, 50 % de la radiación incidente se reflejará a uno de los espejos
mientras que 50 % se transmitirá a otro espejo. Los dos haces se reflejan a partir de estos
espejos, volviendo al divisor de haz, donde se recombinan e interfieren con dar a la
interferencia constructiva o destructiva interferencia, dependiendo de la diferencia en los
caminos ópticos entre dos brazos del interferómetro. Luego se graba la señal por el
detector.

Esta técnica única ofrece posibilidades completamente nuevas a estudiar la difusión lateral
de los polímeros de las drogas en sistemas orgánicos y artificiales. Se tiene la esperanza de
que las técnicas espectroscópicas que presentaron en este documento puedan modificadas y
mejoradas, de tal manera que los procesos relevantes de liberación de las drogas puedan ser
estudiada en vivo en un futuro próximo.
PARALLEL FAST FOURIER TRANSFORMS FOR ELECTRONIC STRUCTURE
CALCULATIONS

En este artículo, publicado por Peter D. Haynes y Michel Coté, del laboratorio de
Cavendish, Cambridge, presenta un nuevo método para el desarrollo de las Transformadas
de Fourier para cálculos de estructura electrónica en ordenadores paralelos lo que
minimiza el coste de latencia involucrado en la comunicación entre nodos.

El método que se describe en el artículo, ofrece la posibilidad de escalado de cálculos de

estructura electrónica de onda plana hasta un mayor número de nodos de los que son
posibles actualmente. Este método será más significativo en permitir cálculos de estructura
electrónica a realizar en relativamente ordenadores en paralelo más económicos, que
consisten en un gran número de estaciones de trabajo en red, que están creciendo en
popularidad, pero también, sufren de las altas latencias.

En el método tradicional, las fases de comunicación, simplemente re-distribuyen los datos a

lo largo de los nodos, por lo que estos pueden desempeñar transformadas de Fourier en una
dimensión, de manera local. Por el contrario, el nuevo método que se presenta en el
artículo, las fases de comunicación pueden desempeñar transformadas de Fourier en tres
dimensiones. Esto permite que se reduzca el costo de latencia, debido a la disminución del
número de paquetes de datos enviados, lo que finalmente permitirá mayor trabajo y mas
procesadores interconectados.

Finalmente, esto se logra mediante el aprovechamiento de la inherente distribución de los

datos requeridos por el algoritmo de la Transformada de Fourier. El método es aplicable a
cálculos de estructura electrónica, debido a los pequeños tamaños de transformadas de
Fourier que utilizan rejillas, y es más efectiva en grupos de estaciones de trabajo donde los
costos de comunicación son altos. El nuevo método satisface automáticamente la demanda
de equilibrio de carga de datos en las redes con gran conexión de ordenadores.
 AN INTRODUCTION TO THE FOURIER TRANSFORM: RELATIONSHIP TO
MRI

En este artículo, presentado por Thomas A. Gallagher, Alexander J. Nemeth y Lotfi

Hacein-Bey, del Departamento de Radiología, de la Universidad del Noroeste, en Chicago,
busca ilustrar los principios básicos de la transformada de Fourier y su relación con la
Resonancia Magnética.

La transformada de Fourier es una herramienta matemática fundamental, ampliamente

utilizada en el análisis de señales. Es ubicuo en radiología e integral para la formación de
imágenes de resonancias magnéticas modernas. Las técnicas de comprensión de resonancia
magnética, requieren una comprensión básica de lo que la transformada de Fourier puede
lograr. Las resonancias magnéticas, necesitan de codificación de imágenes, de un llenado
de espacio K y un amplio espectro de artefactos, donde todos son enlazados con la
transformada de Fourier.

Con respecto a la resonancia magnética, la señal “complicada” que se desea descomponer

es el eco MR, que contiene e frecuencia y fase, donde se encuentra codificada información
espacial necesaria para construir una imagen. Tras el gradiente de selección de rebanada
para una secuencia de eco típico, en el cual, aislados de un plano de formación de
imágenes particular, realiza un giro se sistemas de movimiento de precesión a la misma
frecuencia y fase según lo dictado por el campo magnético principal.

La transformada de Fourier es una herramienta fundamental en la descomposición de una

señal compleja, lo que nos permite ver claramente la frecuencia y componentes de amplitud
escondidos dentro. En el proceso de generación de una imagen de resonancia magnética, la
transformada de Fourier transforma en frecuencia ye resuelve el señales de RM de fase
codificados que componen el espacio K. La inversa 2D de la transformada de Fourier del
espacio K es la imagen de resonancia magnética que vemos. Una comprensión de la
Transformada de Fourier es esencial para la comprensión varios artefactos de resonancia
magnética y la miríada de métodos de adquisición de la señal en la práctica hoy en día.
 FOURIER TRANSFORM BASED EARLY DETECTION OF BREAST CANCER
BY MAMMOGRAM IMAGE PROCESSING

En este artículo, presentado por Fatmah ElZahra, Ameena Hateem, Mussab Mohammad, y
Mohammed Tarique, del Departamento de Ingeniería Electrónica, de la Universidad de
Ciencia y Tecnología Ajman, en los Estados Unidos Árabes, proponen una manera de
detectar de manera temprana el cáncer de seno, mediante el análisis de mamografías a
través de métodos computacionales, utilizando la transformada de Fourier.

El cáncer de mama es muy común entre la población femenina del mundo. La detección
temprana del cáncer de mama puede salvar la vida. El diagnóstico basado mamografía es
considerado como el más eficaz para detectar el cáncer de mama. Sin embargo, las
imágenes de mamografía a menudo conducen a un mal diagnóstico debido a su naturaleza
de bajo contraste. Estudios recientes muestran que el diagnóstico basado en la mamografía
no puede detectar tumores cancerosos en el seno de diez de cada cien pacientes. En este
documento, abordamos este tema. Se propone una técnica de detección de cáncer de mama
asistido por ordenador.

En el método propuesto, varias imágenes de mamografía se han mejorado y segmentado

para localizar los tumores malignos en el seno de mujeres. La imagen segmentada se
compara con una imagen de plantilla, con el fin de determinar la etapa del cáncer de mama.
Algunas características estadísticas también se han presentado en este documento para
identificar y diferenciar los tumores malignos de los benignos.

Aunque las imágenes de mamografía se utilizan para la detección del cáncer, tiene algunas
limitaciones debido a su naturaleza de bajo contraste. Por otra parte, la detección precoz del
cáncer de mama no es tan sencilla como parece. En la etapa temprana del cáncer, es muy
difícil separar las masas malignas de las masas benignas. Debido a que tanto de las masas
tienen forma casi similar. Con el fin de separarlas más características de la imagen que
tenga que ser investigado. El sistema propuesto supera las limitaciones antes mencionadas.
El sistema propuesto consiste en cuatro etapas de cribado inicial a saber, caracterización
estadística, detección de bordes, y las correlaciones de plantilla. En la selección inicial de
las imágenes de mamografía se investigan para descubrir algunas masas anormales en la
mama. Una vez que se encontraron las masas anormales se realiza un análisis estadístico
más completo. Por último, los bordes de la masa se detectan y se corresponde con una
plantilla. Mediante el uso del método de la transformada de Fourier, se demostró que el
sistema propuesto puede detectar con éxito las etapas tempranas del cáncer de mama.