Please use this identifier to cite or link to this item: https://ri-ng.uaq.mx/handle/123456789/3881
Title: Segmentación de la Materia Blanca Cerebral por medio de Aprendizaje Automático
metadata.dc.creator: Eduardo Daniel Posadas Gamez
Keywords: INGENIERÍA Y TECNOLOGÍA
CIENCIAS TECNOLÓGICAS
TECNOLOGÍA DE LOS ORDENADORES
metadata.dc.date: 30-Aug-2022
metadata.dc.degree.department: Facultad de Ingeniería
metadata.dc.degree.name: Maestría en Ciencias en Inteligencia Artificial
Description: "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
Other Identifiers: Machine Learning
Segmentación automática
Materia Blanca
Appears in Collections:Maestría en Ciencias en Inteligencia Artificial

Files in This Item:
File Description SizeFormat 
RI006897.pdf2.88 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.