ACM – Active Connections Matrix (International Patent)
La topologia rilevante di un fenomeno è la sua geometria intrinseca che esprime la forma che può essere rilevata dagli spettri di frequenza dove il fenomeno viene analizzato e dalle rispettive variazioni di energia. Queste variazioni di energia diventano informazioni rilevanti perché sono espressione della rilevante topologia del fenomeno, cioè della sua forma o intrinseca geometria. In questo caso il fenomeno è chiamato fenomeno visivo.
Ogni fenomeno topologico rilevante ha un’identità e un’unità del fenomeno stesso garantita dalla sua coesione spazio-temporale. Ciò significa che ogni elemento minimo del fenomeno è direttamente o indirettamente contiguo e connesso con gli altri da forze specifiche. Pertanto il valore quantitativo di ogni elemento minimo del fenomeno analizzato risulta dall’azione di queste forze. Si può dimostrare che in un fenomeno topologico rilevante le forze che connettono tra loro gli elementi minimi in intorno locale sono sufficienti a spiegare la coesione spazio-temporale dell’intero fenomeno.
Questo permette di dire che ogni fenomeno visivo può essere espresso da una matrice di valori, collegati localmente tra loro, da altri valori (pesi), che rappresentano le forze di coesione locali delle unità minime di quel fenomeno.
Il fenomeno a cui ci riferiamo in generale nella nostra ricerca, riguarda l’immagine catturata dalla nostra sensibilità quando un soggetto avvolto dalla luce ci appare proprio come un fenomeno. L’immagine del soggetto catturato e reso disponibile come fenomeno, può essere rappresentata per il suo trattamento analitico da una matrice di punti corrispondente ai pixel dell’immagine iniziale. Cercare di estrarre da questa immagine, cioè da questo fenomeno, altre informazioni sul soggetto che la produce, non visibili nell’immagine considerata all’inizio, permette di considerare la matrice dei pixel dell’immagine iniziale come un sistema dinamico che si sviluppa nel suo spazio di fase fino a creare una matrice della configurazione finale dei pixel. È importante non confondere questo spazio di fase con lo spazio bidimensionale o tridimensionale dell’immagine iniziale. Infatti, è l’altra dimensione data dall’intensità delle forze di connessione dei pixel tra loro che si aggiunge alla dimensione di quest’ultimo spazio, quando si considera attiva la matrice dei punti significa che la matrice iniziale tenderà ad una matrice finale proprio a causa di un’evoluzione dinamica di queste connessioni.
Il funzionamento dei sistemi ACM si basa su operazioni locali, deterministiche e iterative. Sono Locali, perché in ogni ciclo di elaborazione le operazioni coinvolgono un pixel centrale e le sue relazioni con i pixel molto contigui (intorno del pixel centrale). Sono Deterministiche, perché lo stato statico, verso il quale il sistema dinamico rappresentato dalla matrice dei pixel con la nuova immagine tende, si basa su equazioni deterministiche: quindi l’elaborazione può essere ripetuta ottenendo sempre lo stesso risultato. Sono Iterative, perché le operazioni si ripetono iterativamente fino a quando l’evoluzione nello spazio delle fasi, del sistema dinamico, raggiunge il suo attrattore.
Brevetti:
Buscema P.M.(2003) European patent “An algorithm for recognizing relationships between data of a database and a method for image pattern recognition based on the said algorithm” (Active Connection Matrix –ACM). Owner: Bracco, Semeion. Application no. 03425559.6, deposited August 22, 2003.
Buscema P.M. (2004) International patent “An algorithm for recognizing relationships between data of a database and a method for image pattern recognition based on the said algorithm” (Active Connection Matrix – ACM). Owner: Bracco, Semeion. Application n. PCT/EP2004/05182, deposited: August 18, 2004.
Buscema P.M. (2007) European patent “Active Connection Matrix J-Net. An algorithm for the processing of images able to highlight the information hidden in the pixels”. Owner: Bracco, Semeion. Application n. 07425419.4, deposited: July 6, 2007.
Pubblicazioni:
P.M. Buscema et al. (2006) Sistemi ACM e imaging diagnostico. Le immagini mediche come matrici attive di connessioni [ACM systems and diagnostic imaging. Medical images as active connections matrices, in Italian] Springer-Verlag, Italy.
P.M. Buscema, L. Catzola, E. Grossi (2008) Images as active connection matrixes: the J-Net system. IC-MED Int J Intell Comput Med Sci 2(1):27–53.
P.M. Buscema, R. Passariello, E. Grossi, G. Massini, F. Fraioli, G. Serra (2013) , J-Net: An Adaptive System for Computer-Aided Diagnosis in Lung Nodule Characterization, chapter 2, pp 25-61, in W.J. Tastle (ed.), Data Mining Applications Using Artificial Adaptive Systems, Springer Science+Business Media New York 2013.