• Communities & Collections
    • By Issue Date
    • Authors
    • Titles
    • Subjects
    • Document type
    • español
    • English
    • português (Brasil)
  • Self archiving
  • Browse 
    • Communities & Collections
    • By Issue Date
    • Authors
    • Titles
    • Subjects
    • Document type
  • English 
    • español
    • English
    • português (Brasil)
  • Login
View Item 
  •   Institutional repository ITM
  • Trabajos de Grado (Especializaciones y Pregrados)
  • Facultad de Ingenierías
  • Ingeniería Electrónica
  • View Item
  •   Institutional repository ITM
  • Trabajos de Grado (Especializaciones y Pregrados)
  • Facultad de Ingenierías
  • Ingeniería Electrónica
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse

All of ITMCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsDocument typeThis CollectionBy Issue DateAuthorsTitlesSubjectsDocument type

My Account

LoginRegister

Statistics

View Usage Statistics
Statistics GTMView statistics GTM

Un modelo de aprendizaje profundo para mejorar la calidad de imágenes médicas de resonancia magnética de la mama

Thumbnail
View/Open
Trabajo de grado (1.782Mb) 
Carta aprobación trabajo de grado (320.6Kb) 
QRCode
Share this
Un modelo de aprendizaje profundo para mejorar la calidad de imágenes médicas de resonancia magnética de la mama
Date
2021
Author
Campaz Usuga, Pablo
Advisor
Mera Banguero, Carlos Andrés
Fonnegra Tarazona, Rubén Darío

Citation

       
TY - GEN T1 - Un modelo de aprendizaje profundo para mejorar la calidad de imágenes médicas de resonancia magnética de la mama AU - Campaz Usuga, Pablo Y1 - 2021 UR - http://hdl.handle.net/20.500.12622/4689 PB - Instituto Tecnológico Metropolitano AB - Las redes de aprendizaje profundo (Deep Learning) basadas en redes neuronales artificiales son técnicas de aprendizaje de máquinas que han tomado notable atención por parte de la comunidad académica y la industria en recientes años. Específicamente, esto se debe al buen desempeño que han obtenido los modelos de aprendizaje profundo en diversas aplicaciones que abarcan el procesamiento de señales (como fisiológicas o de audio) o de imágenes (como las resonancias magnéticas). El interés en esta área ha llevado a que el aprendizaje profundo sea uno de los enfoques de estudio en diversos proyectos de investigación, algunos de los cuales se enfocan en el mejoramiento de la calidad de las imágenes médicas. En este trabajo se propone el uso de una estrategia basada en técnicas de aprendizaje profundo para mejorar la calidad de imágenes médicas obtenidas por resonancia magnética. Específicamente, en el trabajo se ha utilizado una base de datos de imágenes denominada Qin_breast. Como resultado, este trabajo contribuye al desarrollo de herramientas que pueden facilitar al personal médico el análisis e interpretación de imágenes de resonancia magnética de la mama que pueden ayudar a hacer diagnósticos más precisos. ER - @misc{20.500.12622_4689, author = {Campaz Usuga Pablo}, title = {Un modelo de aprendizaje profundo para mejorar la calidad de imágenes médicas de resonancia magnética de la mama}, year = {2021}, abstract = {Las redes de aprendizaje profundo (Deep Learning) basadas en redes neuronales artificiales son técnicas de aprendizaje de máquinas que han tomado notable atención por parte de la comunidad académica y la industria en recientes años. Específicamente, esto se debe al buen desempeño que han obtenido los modelos de aprendizaje profundo en diversas aplicaciones que abarcan el procesamiento de señales (como fisiológicas o de audio) o de imágenes (como las resonancias magnéticas). El interés en esta área ha llevado a que el aprendizaje profundo sea uno de los enfoques de estudio en diversos proyectos de investigación, algunos de los cuales se enfocan en el mejoramiento de la calidad de las imágenes médicas. En este trabajo se propone el uso de una estrategia basada en técnicas de aprendizaje profundo para mejorar la calidad de imágenes médicas obtenidas por resonancia magnética. Específicamente, en el trabajo se ha utilizado una base de datos de imágenes denominada Qin_breast. Como resultado, este trabajo contribuye al desarrollo de herramientas que pueden facilitar al personal médico el análisis e interpretación de imágenes de resonancia magnética de la mama que pueden ayudar a hacer diagnósticos más precisos.}, url = {http://hdl.handle.net/20.500.12622/4689} }RT Generic T1 Un modelo de aprendizaje profundo para mejorar la calidad de imágenes médicas de resonancia magnética de la mama A1 Campaz Usuga, Pablo YR 2021 LK http://hdl.handle.net/20.500.12622/4689 PB Instituto Tecnológico Metropolitano AB Las redes de aprendizaje profundo (Deep Learning) basadas en redes neuronales artificiales son técnicas de aprendizaje de máquinas que han tomado notable atención por parte de la comunidad académica y la industria en recientes años. Específicamente, esto se debe al buen desempeño que han obtenido los modelos de aprendizaje profundo en diversas aplicaciones que abarcan el procesamiento de señales (como fisiológicas o de audio) o de imágenes (como las resonancias magnéticas). El interés en esta área ha llevado a que el aprendizaje profundo sea uno de los enfoques de estudio en diversos proyectos de investigación, algunos de los cuales se enfocan en el mejoramiento de la calidad de las imágenes médicas. En este trabajo se propone el uso de una estrategia basada en técnicas de aprendizaje profundo para mejorar la calidad de imágenes médicas obtenidas por resonancia magnética. Específicamente, en el trabajo se ha utilizado una base de datos de imágenes denominada Qin_breast. Como resultado, este trabajo contribuye al desarrollo de herramientas que pueden facilitar al personal médico el análisis e interpretación de imágenes de resonancia magnética de la mama que pueden ayudar a hacer diagnósticos más precisos. OL Spanish (121)
Bibliographic managers
Refworks
Zotero
BibTeX
CiteULike
Metadata
Show full item record
PDF Documents
Title
A deep learning model to improve the quality of medical MRI images of the breast
Abstract
Las redes de aprendizaje profundo (Deep Learning) basadas en redes neuronales artificiales son técnicas de aprendizaje de máquinas que han tomado notable atención por parte de la comunidad académica y la industria en recientes años. Específicamente, esto se debe al buen desempeño que han obtenido los modelos de aprendizaje profundo en diversas aplicaciones que abarcan el procesamiento de señales (como fisiológicas o de audio) o de imágenes (como las resonancias magnéticas). El interés en esta área ha llevado a que el aprendizaje profundo sea uno de los enfoques de estudio en diversos proyectos de investigación, algunos de los cuales se enfocan en el mejoramiento de la calidad de las imágenes médicas. En este trabajo se propone el uso de una estrategia basada en técnicas de aprendizaje profundo para mejorar la calidad de imágenes médicas obtenidas por resonancia magnética. Específicamente, en el trabajo se ha utilizado una base de datos de imágenes denominada Qin_breast. Como resultado, este trabajo contribuye al desarrollo de herramientas que pueden facilitar al personal médico el análisis e interpretación de imágenes de resonancia magnética de la mama que pueden ayudar a hacer diagnósticos más precisos.
Abstract
Deep learning networks based on artificial neural networks are machine learning techniques that have received considerable attention from the academic community and industry in recent years. Specifically, this is due to the good performance that deep learning models have obtained in various applications that include signal processing (such as physiological or audio) or images (such as MRI). Interest in this area has led to deep learning being one of the study approaches in various research projects, some of which are focused on improving the quality of medical images. This work proposes the use of a strategy based on deep learning techniques to improve the quality of medical images obtained by magnetic resonance imaging. Specifically, an image database called Qin_breast has been used in the work. As a result, this work contributes to the development of tools that can make it easier for medical personnel to analyze and interpret MRI images of the breast that can help make more accurate diagnoses.
Palabras clave
Aprendizaje profundo; Neuronas artificiales; Resonancia magnética de la mama
keywords
Deep Learning; Artificial neurons; MRI of the breast
URI
http://hdl.handle.net/20.500.12622/4689
Statistics Google Analytics
Collections
  • Ingeniería Electrónica [46]

Departamento de Biblioteca y Extensión Cultural
bibliotecaitm@itm.edu.co

Contact Us | Send Feedback