Se orienta a la representación y la posterior reconstrucción de cerámicas usando técnicas del Diseño Geométrico. En primer lugar, se realiza la representación de la cerámica en el computador, para lo cual es discretizada la cerámica en un conjunto de puntos ("nube de puntos") con un digitalizador 3D. Luego, se genera un conjunto de parches (trozos) de superficies B-spline unidos con continuidad C1 , al cual se denominasuperficie compleja. Finalmente, se procede a reconstruir (estimar) los pedazos de superficies faltantes correspondientes a la superficie compleja con un error de estimación aceptable. Para tal fin se realiza un método que utiliza de una fonna adecuada técnicas de aproximación de funciones, como es el caso del análisis de regresión múltiple. Es así que, se introduce un método novedoso, no tan complejo y con esfuerzo computacional mínimo, pero eficiente pa...

Se orienta a la representación y la posterior reconstrucción de cerámicas usando técnicas del Diseño Geométrico. En primer lugar, se realiza la representación de la cerámica en el computador, para lo cual es discretizada la cerámica en un conjunto de puntos ("nube de puntos") con un digitalizador 3D. Luego, se genera un conjunto de parches (trozos) de superficies B-spline unidos con continuidad C1 , al cual se denominasuperficie compleja. Finalmente, se procede a reconstruir (estimar) los pedazos de superficies faltantes correspondientes a la superficie compleja con un error de estimación aceptable. Para tal fin se realiza un método que utiliza de una fonna adecuada técnicas de aproximación de funciones, como es el caso del análisis de regresión múltiple. Es así que, se introduce un método novedoso, no tan complejo y con esfuerzo computacional mínimo, pero eficiente pa...

Se orienta a la representación y la posterior reconstrucción de cerámicas usando técnicas del Diseño Geométrico. En primer lugar, se realiza la representación de la cerámica en el computador, para lo cual es discretizada la cerámica en un conjunto de puntos ("nube de puntos") con un digitalizador 3D. Luego, se genera un conjunto de parches (trozos) de superficies B-spline unidos con continuidad C1 , al cual se denominasuperficie compleja. Finalmente, se procede a reconstruir (estimar) los pedazos de superficies faltantes correspondientes a la superficie compleja con un error de estimación aceptable. Para tal fin se realiza un método que utiliza de una fonna adecuada técnicas de aproximación de funciones, como es el caso del análisis de regresión múltiple. Es así que, se introduce un método novedoso, no tan complejo y con esfuerzo computacional mínimo, pero eficiente pa...

En este trabajo se emplea técnicas de Clustering en la segmentación de imágenes médicas digitales para ser utilizadas en la reconstrucción de modelos anatómicos 3D a partir del estándar Digital Images and Comunication in Medicine (DICOM) con el fin de mejorar los resultados reportados en las fuentes bibliográficas. Son expuestos los algoritmos de Clustering Particional implementados y los resultados alcanzados con estos. Se compara entre sí los resultados alcanzados con ayuda de los métodos K-means y Fuzzy K-means y se recomienda procedimientos para la inicialización de los centroides.

En este trabajo se emplea técnicas de Clustering en la segmentación de imágenes médicas digitales para ser utilizadas en la reconstrucción de modelos anatómicos 3D a partir del estándar Digital Images and Comunication in Medicine (DICOM) con el fin de mejorar los resultados reportados en las fuentes bibliográficas. Son expuestos los algoritmos de Clustering Particional implementados y los resultados alcanzados con estos. Se compara entre sí los resultados alcanzados con ayuda de los métodos K-means y Fuzzy K-means y se recomienda procedimientos para la inicialización de los centroides.

En este trabajo se emplea técnicas de Clustering en la segmentación de imágenes médicas digitales para ser utilizadas en la reconstrucción de modelos anatómicos 3D a partir del estándar Digital Images and Comunication in Medicine (DICOM) con el fin de mejorar los resultados reportados en las fuentes bibliográficas. Son expuestos los algoritmos de Clustering Particional implementados y los resultados alcanzados con estos. Se compara entre sí los resultados alcanzados con ayuda de los métodos K-means y Fuzzy K-means y se recomienda procedimientos para la inicialización de los centroides.