Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas

El presente trabajo tuvo como objetivo aprender y adquirir experiencia en la aplicación de inteligencia artificial, con un enfoque específico en la segmentación de imágenes médicas mediante la implementación y la exploración de hiperparámetros. El propósito fundamental de la investigación...

Descripción completa

Detalles Bibliográficos
Autores principales: Grande, Julián E., Romero Piaggio, Maximiliano A.
Formato: Artículo revista
Lenguaje:Español
Publicado: Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas 2023
Materias:
Ultra-sonido intravascular
Segmentación de imagen
Inteligencia artificial
Redes convolucionales profundas
Hiperparámetros
Aprendizaje por retropropagación
Arquitecturas UNet
Redes neuronales
Acceso en línea:Grande, J. E. y Romero Piaggio, M. A. (2023). Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
Aporte de:
Repositorio Institucional de Acceso Abierto (RIDAA) de Universidad Nacional del Centro
id I21-R190-123456789-4063
record_format ojs
spelling I21-R190-123456789-40632024-07-08T16:09:48Z Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas Grande, Julián E. Romero Piaggio, Maximiliano A. Bulant, Carlos Alberto Clausse, Alejandro Ultra-sonido intravascular Segmentación de imagen Inteligencia artificial Redes convolucionales profundas Hiperparámetros Aprendizaje por retropropagación Arquitecturas UNet Redes neuronales El presente trabajo tuvo como objetivo aprender y adquirir experiencia en la aplicación de inteligencia artificial, con un enfoque específico en la segmentación de imágenes médicas mediante la implementación y la exploración de hiperparámetros. El propósito fundamental de la investigación fue abordar el desafío de la segmentación de imágenes obtenidas con ultra-sonido intravascular mediante el empleo de las redes UNet y UNet++. Para alcanzar este objetivo, se implementó un enfoque integral, que se centró en la exploración y optimización de los hiperparámetros más relevantes asociados a dichas arquitecturas. Se utilizó una base de datos internacional privada, lo que permitió no solo usar una gran cantidad de datos, sino que también permitió comparar los resultados directamente con el estado del arte. La investigación no se limitó únicamente a la implementación práctica de las arquitecturas seleccionadas, sino que también comprendió la evaluación de los resultados y la comparación de diversas configuraciones. Este enfoque permitió obtener una comprensión profunda de la influencia de los hiperparámetros en el rendimiento de las arquitecturas analizadas. The present work aimed to learn and gain experience in the application of artificial intelligence, with a specific focus on medical image segmentation through the implementation and exploration of hyperparameters. The fundamental purpose of the research was to address the challenge of segmenting images obtained with intravascular ultrasound using the UNet and UNet++ networks. To achieve this objective, a comprehensive approach was implemented, focusing on the exploration and optimization of the most relevant hyperparameters associated with these architectures. A private international database was used, allowing not only the use of alarge amount of data but also direct comparison of the results with the state of theart. The research was not limited solely to the practical implementation of the selected architectures but also included the assessment of results and the comparison of various configurations. This approach led to a deep understanding of the influence of hyperparameters on the performance of the analyzed architectures. Fil: Grande, Julián E. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Romero Piaggio, Maximiliano A. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Bulant, Carlos Alberto. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Clausse, Alejandro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. 2023 2024-07-08T16:05:09Z 2024-07-08T16:05:09Z info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion info:ar-repo/semantics/tesis de grado Grande, J. E. y Romero Piaggio, M. A. (2023). Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina. https://www.ridaa.unicen.edu.ar/handle/123456789/4063 spa http://creativecommons.org/licenses/by/2.5/ar/ info:eu-repo/semantics/openAccess application/pdf application/pdf Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
institution Universidad Nacional del Centro
institution_str I-21
repository_str R-190
container_title_str Repositorio Institucional de Acceso Abierto (RIDAA)
language Español
format Artículo revista
topic Ultra-sonido intravascular
Segmentación de imagen
Inteligencia artificial
Redes convolucionales profundas
Hiperparámetros
Aprendizaje por retropropagación
Arquitecturas UNet
Redes neuronales
spellingShingle Ultra-sonido intravascular
Segmentación de imagen
Inteligencia artificial
Redes convolucionales profundas
Hiperparámetros
Aprendizaje por retropropagación
Arquitecturas UNet
Redes neuronales
Grande, Julián E.
Romero Piaggio, Maximiliano A.
Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
topic_facet Ultra-sonido intravascular
Segmentación de imagen
Inteligencia artificial
Redes convolucionales profundas
Hiperparámetros
Aprendizaje por retropropagación
Arquitecturas UNet
Redes neuronales
author Grande, Julián E.
Romero Piaggio, Maximiliano A.
author_facet Grande, Julián E.
Romero Piaggio, Maximiliano A.
author_sort Grande, Julián E.
title Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
title_short Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
title_full Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
title_fullStr Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
title_full_unstemmed Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
title_sort segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
description El presente trabajo tuvo como objetivo aprender y adquirir experiencia en la aplicación de inteligencia artificial, con un enfoque específico en la segmentación de imágenes médicas mediante la implementación y la exploración de hiperparámetros. El propósito fundamental de la investigación fue abordar el desafío de la segmentación de imágenes obtenidas con ultra-sonido intravascular mediante el empleo de las redes UNet y UNet++. Para alcanzar este objetivo, se implementó un enfoque integral, que se centró en la exploración y optimización de los hiperparámetros más relevantes asociados a dichas arquitecturas. Se utilizó una base de datos internacional privada, lo que permitió no solo usar una gran cantidad de datos, sino que también permitió comparar los resultados directamente con el estado del arte. La investigación no se limitó únicamente a la implementación práctica de las arquitecturas seleccionadas, sino que también comprendió la evaluación de los resultados y la comparación de diversas configuraciones. Este enfoque permitió obtener una comprensión profunda de la influencia de los hiperparámetros en el rendimiento de las arquitecturas analizadas.
publisher Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publishDate 2023
url Grande, J. E. y Romero Piaggio, M. A. (2023). Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
work_keys_str_mv AT grandejuliane segmentaciondeimagenesdeultrasonidointravascularcoronariousandoredesneuronalesconvolucionaleshiperconectadas
AT romeropiaggiomaximilianoa segmentaciondeimagenesdeultrasonidointravascularcoronariousandoredesneuronalesconvolucionaleshiperconectadas
first_indexed 2024-08-12T22:52:00Z
last_indexed 2024-08-12T22:52:00Z
_version_ 1809234603048697856

Ejemplares similares