Segmentación Automática de Vasos Sanguíneos en Imágenes Cerebrales

Oliver Jonathan Quintana Quintana

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Saul Tovar Arriaga	es_ES
dc.creator	Oliver Jonathan Quintana Quintana	es_ES
dc.date	2021-11-08
dc.date.accessioned	2022-01-27T14:31:50Z
dc.date.available	2022-01-27T14:31:50Z
dc.date.issued	2021-11-08
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/3363
dc.description	La segmentación de vasos sanguíneos en imágenes cerebrales es un paso fundamental para muchas intervenciones médicas y diagnósticos de enfermedades. Los avances recientes en inteligencia artificial proporcionan mejores modelos, logrando un nivel de experiencia similar al humano en muchas tareas. En este trabajo, se presenta un nuevo enfoque para segmentar imágenes de angiografía por resonancia magnética de tiempo de vuelo (TOF-MRA), que se basa en menos muestras para el entrenamiento que los métodos del estado del arte. Se propone una red generativa adversaria condicional con un generador adaptado basado en una U-Net, concatenada con una arquitectura U-Net residual (UUr-cGAN), para llevar a cabo la segmentación de vasos sanguíneos en imágenes TOF-MRA, basándose en el aumento de datos para disminuir la desventaja de disponer de pocos volúmenes para entrenar el modelo, además de evitar el sobreajuste mediante técnicas de regularización. El modelo propuesto alcanza una precisión de 89,52 y una puntuación de Dice de 87,23 en promedio a partir del experimento de validación cruzada para las tareas de segmentación de los vasos sanguíneos cerebrales, lo que es similar a otros métodos del estado del arte y utiliza considerablemente menos muestras para el entrenamiento. UUr-cGAN extrae características relevantes de pequeños conjuntos de datos, al tiempo que evita el sobreajuste en comparación con otros métodos basados en CNN y es capaz de ´ lograr un rendimiento relativamente bueno en las tareas de segmentación de imágenes, como en el caso de los vasos sanguíneos cerebrales en TOF-MRA	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.relation.requires	No	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Redes Generativas Adversarias	es_ES
dc.subject	Angiografías de Resonancia Magnética	es_ES
dc.subject	Segmentación	es_ES
dc.subject	Vasos Sanguíneos	es_ES
dc.subject	Redes Convolucionales	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Segmentación Automática de Vasos Sanguíneos en Imágenes Cerebrales	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	QUQO960424HMNNNL08	es_ES
dc.contributor.identificador	TOAS790720HQTVRL08	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias en Inteligencia Artificial	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES