Título :	Segmentación de la Materia Blanca Cerebral por medio de Aprendizaje Automático
Sustentante:	Eduardo Daniel Posadas Gamez
Palabras clave :	INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES
Fecha de publicación :	30-ago-2022
metadata.dc.degree.department:	Facultad de Ingeniería
metadata.dc.degree.name:	Maestría en Ciencias en Inteligencia Artificial
Descripción :	"La materia blanca tiene un papel importante en la estructura cerebral, y una lesión o degeneración en ésta área, pude causar daños severos a todo el sistema cerebral, por lo tanto, la segmentación automática de imágenes médicas cerebrales es un proceso importante al utilizar software de apoyo para la detección de lesiones, neurodegradación o en la evaluación de neurocirugías. En esta investigación, se realizará un estudio comparativo de técnicas para la segmentación automática de la materia blanca cerebral, proponiendo diferentes arquitecturas de segmentación como la U-Net y variantes de la misma. Se observan unas métricas mejores para una U-Net residual que, para las variantes implementadas, teniendo para U-Net un Dice Score de 0.86, para BConvLSTM U-Net un Dice Score de 0.79, para U-Net residual un Dice Score de 0.89 y para U-Net doble un Dice Score de 0.84."
URI :	http://ri-ng.uaq.mx/handle/123456789/3881
Otros identificadores :	Machine Learning Segmentación automática Materia Blanca
Aparece en las colecciones:	Maestría en Ciencias en Inteligencia Artificial

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.