Localización de Región de Interés (ROI) en imágenes DICOM mediante técnicas de Deep Learning

Mostrar todas las versiones(2)

Actualmente, la medicina ha experimentado un notable avance gracias a la aplicación de tecnologías de inteligencia artificial, en particular, el aprendizaje profundo. Una de las áreas más destacadas es la visión artificial aplicada a la localización de regiones de interés en estudios médicos. Esta t...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Botta, Christian Nahuel
Otros Autores: Morales, Daniel Martin
Formato: info:eu-repo/semantics/other info:ar-repo/semantics/otro No informada
Lenguaje:Español
Publicado: Universidad Nacional Arturo Jauretche 2023
Materias:
Regiones de Interés
Regions of Interest
DICOM
YOLO
U-Net
INTELIGENCIA ARTIFICIAL
ARTIFICIAL INTELLIGENCE
APRENDIZAJE PROFUNDO
DEEP LEARNING
RED NEURONAL ARTIFICIAL
VISION ARTIFICIAL
ARTIFICIAL VISION
SEGMENTACIÓN
DETECCIÓN
Acceso en línea:https://rid.unaj.edu.ar/handle/123456789/2054
Aporte de:
Repositorio Institucional de Acceso Abierto (RID UNAJ) de Universidad Nacional Arturo Jauretche
Descripción
Sumario:Actualmente, la medicina ha experimentado un notable avance gracias a la aplicación de tecnologías de inteligencia artificial, en particular, el aprendizaje profundo. Una de las áreas más destacadas es la visión artificial aplicada a la localización de regiones de interés en estudios médicos. Esta tecnología permite a los profesionales de la salud detectar anormalidades o patologías en imágenes médicas de manera precisa y eficiente. En este proyecto, se explorarán técnicas avanzadas de Deep Learning para la localización de Regiones de Interés (ROIs) en imágenes de formato DICOM. Se abordarán tres aspectos fundamentales: detección, clasificación y segmentación, utilizando para ello dos arquitecturas populares dentro del ámbito de las Redes Neuronales Artificiales: YOLO y U-Net. -

Ejemplares similares