Segmentación de imágenes radiológicas con U-Net
Date
2025-01
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
"La presente tesis se centra en el desarrollo y la aplicación de técnicas de segmentación basadas en inteligencia artificial y aprendizajes automáticos para imágenes radiológicas, con el objetivo principal de lograr una segmentación precisa de estructuras anatómicas y una adaptabilidad a diferentes tipos de imágenes. Para ello, se empleó la arquitectura de red neuronal convolucional U-Net, reconocida por su capacidad para preservar la información espacial y segmentar con precisión estructuras anatómicas en imágenes médicas. La tesis se dividió en varias etapas. Primero, se realizó un análisis y preprocesamiento de las imágenes radiológicas, abarcando modalidades como radiografías, tomografías computarizadas (CT) y resonancias magnéticas (RM). Posteriormente, se implementó y entrenó la red U-Net utilizando un conjunto de datos representativo y variado, lo que permitió que el modelo se adaptara a la diversidad de características presentes en las imágenes radiológicas. Los resultados obtenidos mostraron una segmentación precisa de estructuras anatómicas en todas las modalidades de imágenes evaluadas. Además, la adaptabilidad de U-Net se evidenció en su capacidad para generalizar a diferentes tipos de imágenes radiológicas, garantizando resultados consistentes y confiables independientemente de la modalidad de imagen".
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading