Segmentación de imágenes radiológicas con U-Net

Simple item page
dc.audiencegeneralPublic
dc.contributorConde Sánchez, José Ruben
dc.contributorMoreno Barbosa, Fernando
dc.contributor.advisorConde Sánchez, José Ruben; 0000-0001-9950-5348
dc.contributor.advisorMoreno Barbosa, Fernando; 0000-0003-4001-1671
dc.contributor.authorTeyssier Garcia , Miguel Agustin
dc.date.accessioned2026-02-11T19:54:31Z
dc.date.available2026-02-11T19:54:31Z
dc.date.issued2025-01
dc.description.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".
dc.folio20250917102322-9105-TL
dc.formatpdf
dc.identificator1
dc.identifier.urihttps://hdl.handle.net/20.500.12371/31347
dc.language.isospa
dc.matricula.creator201760033
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA
dc.subject.lccMedicina interna--Especialidades de medicina interna--Enfermedades del sistema respiratorio--Diagnóstico--Métodos especiales de diagnóstico--Diagnóstico por imagen
dc.subject.lccIngeniería (General)--Óptica aplicada--Procesamiento óptico de datos--Procesamiento de imágenes
dc.subject.lccMatemáticas--Instrumentos y máquinas--Máquinas de calculo--Ciencias de la computación--Redes neuronales
dc.subject.lccAnálisis de imágenes--Procesamiento de datos
dc.subject.lccAprendizaje automático (Inteligencia artificial)
dc.thesis.careerLicenciatura en Física
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias Físico Matemáticas
dc.thesis.degreetoobtainLicenciado (a) en Física
dc.titleSegmentación de imágenes radiológicas con U-Net
dc.typeTesis de licenciatura
dc.type.conacytbachelorThesis
dc.type.degreeLicenciatura
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
20250917102322-9105-TL.pdf
Size:
22.64 MB
Format:
Adobe Portable Document Format
Download
Name:
20250917102322-9105-CARTA.pdf
Size:
7.73 MB
Format:
Adobe Portable Document Format
Collections
Tesis de Licenciatura