This paper presents a parallel implementation based on insight segmentation and registration toolkit for a multiscale feature extraction and region growing algorithm, applied to retinal blood vessels segmentation. This implementation is capable of achieving an accuracy (Ac) comparable to its serial counterpart (about 92%), but 8 to 10 times faster. In this paper, the Ac of this parallel implementation is evaluated by comparison with expert manual segmentation (obtained from public databases). On the other hand, its performance is compared with previous published serial implementations. Both these characteristics make this parallel implementation feasible for the analysis of a larger amount of high-resolution retinal images, achieving a faster and high-quality segmentation of retinal blood vessels.
Se elaboró un índice de vulnerabilidad ante el COVID-19 para México a escala municipal (2,457 municipios) que permite identificar la distribución espacial de los diferentes factores que generan mayor susceptibilidad al daño o las consecuencias adversas que pueden tener las personas. El índice integra tres dimensiones de vulnerabilidad: demográfica, de salud y socioeconómica. A su vez, cada dimensión integra una serie de indicadores relacionados con el tipo de vulnerabilidad que expresan. La información resultante facilita la toma de decisiones sustentada en bases científicas. El índice de vulnerabilidadestá clasificado en cuatro grados: Medio, Alto, Muy Alto y Crítico. El grado medio de vulnerabilidad se encuentra principalmente en los grandes centros urbanos que cuentan con la mayor infraestructura de salud, y la mayor capacidad económica. 63.2% de la población vive en municipios con vulnerabilidad media. El grado alto de vulnerabilidad se presenta en municipios con localidades urbanas de tamaño medio, y con una proporción de población indígena ligeramente menor a la media nacional. La infraestructura de salud es escasa. Su marginación se encuentra ligeramente debajo del promedio nacional. 17.6% de la población nacional reside en estos municipios. El grado muy alto de vulnerabilidad se observa en municipios que concentran 11.7% de la población nacional. Se trata de municipios de marginación por arriba del promedio nacional con áreas urbanas pequeñas. El porcentaje de población indígena se encuentra por arriba del promedio nacional. La infraestructura de salud es muy escasa, con una tasa de hacinamiento mayor a las primeras dos categorías. Los hogares cuentan con pocos medios de comunicación, y la producción económica es precaria. El grado crítico de vulnerabilidadse presenta en municipios que concentran al 7.5% de la población del país. Se trata de municipios primordialmente rurales con el porcentaje más alto de personas mayores de 60 años y una importante proporción de población indígena. Los servicios de salud son críticamente escasos. Su marginación está muy por arriba de la media nacional, muestran el mayor nivel de hacinamiento, el menor acceso a medios de comunicación y una economía muy precaria. Con base en los resultados se hace una serie de recomendaciones de las medidas urgentes que deben realizarse a nivel territorial con la finalidad de mitigar el potencial impacto del COVID-19 en la sociedad mexicana.
1 November 1999 in Microprocessors and Microsystems
The original outbreak of SARS-CoV-2 virus (COVID-19) occurred in the province of Wuhan, China, in November 2019 [1]. It then spread rapidly worldwide and was categorized as a pandemic by the World Health Organization (WHO) in 2020 [2]. During the progress of the pandemic in several regions of the world, it was observed that being […]
Background. The COVID-19 pandemic has caused an exponential increase in the demand for medical care worldwide. In Mexico, the COVID Medical Units (CMUs) conversion strategy was implemented. Objective. To evaluate the CMU coverage strategy in the Mexico City Metropolitan Area (MCMA) by territory. Materials. The CMU directory was used, as were COVID-19 infection and mobility statistics and Mexican 2020 census information at the urban geographic area scale. The degree of urban marginalization by geographic area was also considered. Method. Using descriptive statistics and the calculation of a CMU accessibility index, population aggregates were counted based on coverage radii. In addition, two regression models are proposed to explain (1) the territorial and temporal trend of COVID-19 infections in the MCMA and (2) the mobility of the COVID-infected population visiting medical units. Results. The findings of the evaluation of the CMU strategy were (1) in the MCMA, COVID-19 followed a pattern of contagion from the urban center to the periphery; (2) given the growth in the number of cases and the overload of medical units, the population traveled greater distances to seek medical care; (3) after the CMU strategy was evaluated at the territory level, it was found that 9 out of 10 inhabitants had a CMU located approximately 7 km away; and (4) at the metropolitan level, the lowest level of accessibility to the CMU was recorded for the population with the highest levels of marginalization, i.e., those residing in the urban periphery.