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...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Artículo revista |
| Lenguaje: | Español |
| Publicado: |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
2023
|
| Materias: | |
| 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: |
| Sumario: | 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. |
|---|