Preguntas _fase5

Tratamiento de imágenes

Presentado por:
Orlando Rodriguez

Código_1075628254

Grupo_ 208054_1

Presentado a

Paola Andrea mateus

Tutora

Fecha:
21/11/18

Cead Girardot

Universidad nacional abierta y a distancia UNAD.

1. Investigación de las siguientes preguntas

a. ¿Qué es evaluación cualitativa en tratamiento de

imágenes?

Se basa en datos, comportamientos, evidencias, etc., que le permiten al

evaluador emitir un juicio. Sus resultados son la apreciación de la
calidad, no se mide el cuánto sino el cómo, refleja más un
procedimiento, una historia, un comportamiento

b. ¿Qué es evaluación cuantitativa en tratamiento de

imágenes?

Permite crear situaciones controladas del aspecto que se desea evaluar,

estableciendo valores estadísticos.
la cuantificación es un precursor necesario para el procesamiento digital,
ya que las intensidades de la imagen deben representarse con una
precisión finita (limitada por longitud de palabra) en cualquier
procesador digital.
 c. ¿Qué es verdaderos positivos, falsos positivos, verdaderos
negativos, falsos negativos, en tratamiento de imágenes?

Verdaderos Positivos
El verdadero positivo nos indica que el diagnostico dado por el
clasificador es positivo, clasificando nuestra imagen del cerebro como
enferma, dando por sentado que la enfermedad está presente.

Falso positivo: nos indica que el diagnostico dado por el clasificador

es el una imagen del cerebro enferma, pero basándonos en nuestros
criterios y aprendizaje obtenido damos como diagnostico una imagen
sana.

Verdaderos negativos
nos indica que el diagnostico dado por el clasificador es negativo,
clasificando nuestra imagen del cerebro como sana, dando por sentado
que la enfermedad es ausente.

Falsos negativos

El falso negativo nos indica que el diagnostico dado por el clasificador es

el de una imagen del cerebro sana, en pocas palabras el diagnóstico es
negativo pero la enfermedad está presente.
 d. ¿Qué es precisión y exactitud en tratamiento de imágenes?

Precisión
El grado en el que una medida (p. ej. la estimación media del efecto del
tratamiento) se puede derivar de una serie de observaciones que
presentan pequeñas variaciones (p. ej. magnitud cercana). Un intervalo
de confianza estrecho es indicativo de una estimación más precisa del
efecto que un intervalo de confianza amplio. Una estimación precisa no
es necesariamente una estimación exacta.

Exactitud
Grado en que una medición (p.ej., la estimación de la media del efecto
de un tratamiento) es verdadera o correcta. Una estimación puede ser
exacta pero no precisa si se basa en un método no sesgado que
proporcione observaciones con una gran variación (es decir, de
magnitudes muy diferentes)
 e. ¿Qué es y cómo se realiza la curva característica operativa
del receptor ROC?

Gráfico que representa la relación entre la tasa de verdaderos positivos

(sensibilidad) y la tasa de falsos positivos ("1 - especificidad") como una
función del nivel de corte del marcador de una enfermedad (o condición
clínica). Las curvas ROC ayudan a demostrar cómo el incremento o
disminución del punto de corte que define una prueba como positiva
afecta al equilibrio entre la identificación correcta de los enfermos
(verdaderos positivos) y la denominación incorrecta como positivos de
los sanos (falsos positivos).
El área bajo la curva ROC es una expresión del potencial diagnóstico de
un marcador independiente de la población de pacientes y puede
utilizarse para comparar uno o más marcadores.

BIBLIOGRAFÍA:
ovik, A. C. (2009). The Essential Guide to Image Processing.
Amsterdam: Academic Press, 2009. eBook Collection (EBSCOhost), pp.
69 - 100. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2048/login?
user=proveedor&pass=danue0a0&url=http://bibliotecavirtual.unad.edu.
co:2051/login.aspx?
direct=true&db=nlebk&AN=249002&lang=es&site=ehost-live
Aguado, A. S. (2012). Feature Extraction and Image Processing for
Computer Vision. Oxford: Academic Press 2012. Available from: eBook
Collection (EBSCOhost), pp. 83 - 134. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2048/login?
user=proveedor&pass=danue0a0&url=http://bibliotecavirtual.unad.edu.
co:2051/login.aspx?
direct=true&db=nlebk&AN=477505&lang=es&site=ehost-live
Aguado, A. S. (2012). Feature Extraction and Image Processing for
Computer Vision. Oxford: Academic Press 2012. Available from: eBook
Collection (EBSCOhost), pp. 399 - 432. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2048/login?
user=proveedor&pass=danue0a0&url=http://bibliotecavirtual.unad.edu.
co:2051/login.aspx?
direct=true&db=nlebk&AN=477505&lang=es&site=ehost-live