Álgebra Linear

Análise do artigo científico

O objetivo desse artigo é descrever a utilização de uma ferramenta estatística (Análise de Componentes Principais ou Principal Component Analysis – PCA) para reconhecimento de padrões e compressão, aplicando esses conceitos em imagens digitais utilizadas na medicina. A descrição da Análise de Componentes Principais é realizada por meio da explanação de autovalores e autovetores de uma matriz.

Os autovalores e autovetores foram utilizados nesse estudo para

Os resulltados encontrados mostram os efeitos da redução do número de componentes principais (elevação da taxa de compressão da imagem) no aumento da perda de informação. Entretanto, o nível de informação mantida depende de parâmetros (taxa de compressão), devendo ser modulada pelo interesse do usuário. Quanto maior for a taxa de compressão (quanto menos componentes principais forem empregados no vetor de características) mais degradada será a qualidade da imagem recuperada.

Imagens com padrões densos de textura tendem a produzir resultados diferentes com a utilização da técnica descrita, porém essa hipótese não foi testada neste trabalho e novas aplicações secundárias a partir dos resultados obtidos) podem abarcar várias condições na rotina médica.

A utilização dos autovalores e autovetores proporcionou a conclusão de que a quantidade de componentes principais utilizada na compressão, influencia a recuperação da imagem original a partir da imagem compactada, permitindo grande economia de espaço, que pode ser crítico em aplicações clínicas e para processamento de grande volume de dados.