Localización de Región de Interés (ROI) en imágenes DICOM mediante técnicas de Deep Learning / Christian Nahuel Botta
Material type: TextLanguage: Spanish Publication details: Florencio Varela : Universidad Nacional Arturo Jauretche, 2023Description: 115 p. : digitalSubject(s): Ingeniería en Informática | INTELIGENCIA ARTIFICIAL | ARTIFICIAL INTELLIGENCE | APRENDIZAJE PROFUNDO | DEEP LEARNING | RED NEURONAL ARTIFICIAL | VISION ARTIFICIAL | ARTIFICIAL VISION | SEGMENTACIÓN | DETECCIÓN | Regiones de Interés | Regions of Interest | DICOM | YOLO | U-NetOnline resources: Click here to access online Dissertation note: Informe de Práctica Profesional para obtener el titulo de Ingeniero/a Informático/a. Universidad Nacional Arturo Jauretche. Scope and content: Actualmente, la medicina ha experimentado un notable avance gracias a la aplicación de tecnologías de inteligencia artificial, en particular, el aprendizaje profundo. Una de las áreas más destacadas es la visión artificial aplicada a la localización de regiones de interés en estudios médicos. Esta tecnología permite a los profesionales de la salud detectar anormalidades o patologías en imágenes médicas de manera precisa y eficiente. En este proyecto, se explorarán técnicas avanzadas de Deep Learning para la localización de Regiones de Interés (ROIs) en imágenes de formato DICOM. Se abordarán tres aspectos fundamentales: detección, clasificación y segmentación, utilizando para ello dos arquitecturas populares dentro del ámbito de las Redes Neuronales Artificiales: YOLO y U-Net.Scope and content: Currently, medicine has experienced a remarkable advancement thanks to the application of artificial intelligence technologies, particularly deep learning. One of the most prominent areas is artificial vision applied to the localization of regions of interest in medical studies. This technology enables healthcare professionals to detect abnormalities or pathologies in medical images with precision and efficiency. In this project, advanced deep learning techniques will be explored for the localization of Regions of Interest (ROIs) in DICOM format images. Three fundamental aspects will be addressed: detection, classification, and segmentation, using two popular architectures within the field of Artificial Neural Networks: YOLO and U-Net.Current library | Collection | Call number | URL | Status | Date due | Barcode |
---|---|---|---|---|---|---|
Repositorio Institucional Digital UNAJ
Av. Calchaquí 6200 Teléfono: 4275-6192 |
Instituto de Ingeniería y Agronomía | Link to resource | Acceso en línea | RID23090142 |
Informe de Práctica Profesional para obtener el titulo de Ingeniero/a Informático/a. Universidad Nacional Arturo Jauretche.
Actualmente, la medicina ha experimentado un notable avance gracias a la aplicación de tecnologías de inteligencia artificial, en particular, el aprendizaje profundo. Una de las áreas más destacadas es la visión artificial aplicada a la localización de regiones de interés en estudios médicos. Esta tecnología permite a los profesionales de la salud detectar anormalidades o patologías en imágenes médicas de manera precisa y eficiente. En este proyecto, se explorarán técnicas avanzadas de Deep Learning para la localización de Regiones de Interés (ROIs) en imágenes de formato DICOM. Se abordarán tres aspectos fundamentales: detección, clasificación y segmentación, utilizando para ello dos arquitecturas populares dentro del ámbito de las Redes Neuronales Artificiales: YOLO y U-Net.
Currently, medicine has experienced a remarkable advancement thanks to the application of artificial intelligence technologies, particularly deep learning. One of the most prominent areas is artificial vision applied to the localization of regions of interest in medical studies. This technology enables healthcare professionals to detect abnormalities or pathologies in medical images with precision and efficiency. In this project, advanced deep learning techniques will be explored for the localization of Regions of Interest (ROIs) in DICOM format images. Three fundamental aspects will be addressed: detection, classification, and segmentation, using two popular architectures within the field of Artificial Neural Networks: YOLO and U-Net.
Esta obra está bajo una Licencia Creative Commons. Atribución - No Comercial - Compartir Igual 4.0
There are no comments on this title.