Browsing by Author "Mura Mardones, Joaquín Alejandro"
Now showing 1 - 6 of 6
Results Per Page
Sort Options
- Item3D axial and circumferential wall shear stress from 4D flow MRI data using a finite element method and a laplacian approach(2018) Sotelo Parraguez, Julio Andrés; Dux-Santoy, Lydia; Guala, Andrea; Rodriguez-Palomares, Jose; Evangelista, Arturo; Sing-Long C., Carlos A.; Urbina, Jesus; Mura Mardones, Joaquín Alejandro; Hurtado Sepúlveda, Daniel; Uribe Arancibia, Sergio A.
- ItemAn autocorrelation-based bayesian estimator for acoustic-radiation-force-induced displacements(2023) Klemmer Chandía, Stefan Werner; Cuadra, Patricio de la; Mura Mardones, Joaquín Alejandro; Pontificia Universidad Católica de Chile. Escuela de IngenieríaLos algoritmos de estimación de desplazamiento juegan un rol crítico en los métodos de elastografía por ultrasonido. Los estimadores bayesianos han mostrado resultados prometedores en la última década, pero su costo computacional impide su implementación en tiempo real. En esta tesis, una nueva función de verosimilitud llamada autocorrelation kernel” (ACK) es incorporada a la estimación bayesiana. Al contrario de funciones anteriores, ACK permite evaluar directamente la probabilidad de desplazamientos sub-muestra sin necesitar sobremuestreo ni interpolación. Se generaron imágenes de modo B representativas de shear wave elasticity imaging (SWEI). Primero, la fuerza de radiación acústica fue simulada. Segundo, el método de elementos finitos fue utilizado para simular desplazamientos de ondas cortantes. Por último, un programa de simulación de ultrasonido fue utilizado para producir imágenes de tejido en movimiento con textura apropiada. La función de verosimilitud propuesta fue comparada contra la clásica correlación cruzada normalizada (NCC). Ambas fueron combinadas con un prior de norma L1 para calcular la probabilidad a posteriori. Adicionalmente, un prior de norma L2 fue probado con ACK. El desplazamiento fue estimado a partir de las imágenes de modo B simuladas y los resultados fueron comparados en términos de su sesgo, variabilidad y la raíz del error cuadrático medio (RMSE). NCC tuvo un mejor desempeño que ACK. Esta mejoró la estimación inicial no bayesiana entre 24.2% y 42.5% en términos de su RMSE. ACK mejoró esta estimación en tan solo 16.6% a 36.7% con norma L1 y entre 19.3% y 33.8% con norma L2. Respecto al tiempo de cómputo, cada evaluación de ACK fue en promedio ´ 28.6% más rápida que las de NCC. No obstante, la convergencia del algoritmo de optimización no-lineal no fue acelerada.
- ItemAnalysis of a stabilized penalty-free nitsche method for the brinkman, stokes, and darcy problems(2019) Blank, Laura; Caiazzo, Alfonso; Chouly, Franz; Lozinski, Alexei; Mura Mardones, Joaquín Alejandro
- ItemHARP-I: A Harmonic Phase Interpolation Method for the Estimation of Motion From Tagged MR Images(IEEE, 2021) Mella Lobos, Hernán Arturo; Mura Mardones, Joaquín Alejandro; Wang, Hui; Taylor, Michael D.; Chabiniok, Radomir; Tintera, Jaroslav; Sotelo Parraguez, Julio Andrés; Uribe Arancibia, Sergio A.We proposed a novel method called HARP-I, which enhances the estimation of motion from tagged Magnetic Resonance Imaging (MRI). The harmonic phase of the images is unwrapped and treated as noisy measurements of reference coordinates on a deformed domain, obtaining motion with high accuracy using Radial Basis Functions interpolations. Results were compared against Shortest Path HARP Refinement (SP-HR) and Sine-wave Modeling (SinMod), two harmonic image-based techniques for motion estimation from tagged images. HARP-I showed a favorable similarity with both methods under noise-free conditions, whereas a more robust performance was found in the presence of noise. Cardiac strain was better estimated using HARP-I at almost any motion level, giving strain maps with less artifacts. Additionally, HARP-I showed better temporal consistency as a new method was developed to fix phase jumps between frames. In conclusion, HARP-I showed to be a robust method for the estimation of motion and strain under ideal and non-ideal conditions.
- ItemLevel set segmentation with shape prior knowledge using intrinsic rotation, translation and scaling alignment(2021) Arrieta, Cristóbal; Sing-Long C., Carlos A.; Mura Mardones, Joaquín Alejandro; Irarrázaval Mena, Pablo; Andía Kohnenkampf, Marcelo Edgardo; Uribe Arancibia, Sergio A.; Tejos Núñez, Cristián Andrés
- ItemThree-dimensional quantification of vorticity and helicity from 3D cine PC-MRI using finite-element interpolations(2018) Sotelo Parraguez, Julio Andrés; Urbina, Jesús; Valverde, Israel; Mura Mardones, Joaquín Alejandro; Tejos Núñez, Cristián Andrés; Irarrázaval Mena, Pablo; Andía Kohnenkampf, Marcelo Edgardo; Hurtado Sepúlveda, Daniel; Uribe Arancibia, Sergio A.