Skip navigation
  •  Inicio
  • UDC 
    • Cómo depositar
    • Políticas do RUC
    • FAQ
    • Dereitos de Autor
    • Máis información en INFOguías UDC
  • Percorrer 
    • Comunidades
    • Buscar por:
    • Data de publicación
    • Autor
    • Título
    • Materia
  • Axuda
    • español
    • Gallegan
    • English
  • Acceder
  •  Galego 
    • Español
    • Galego
    • English
  
Ver ítem 
  •   RUC
  • Facultade de Informática
  • Traballos académicos (FIC)
  • Ver ítem
  •   RUC
  • Facultade de Informática
  • Traballos académicos (FIC)
  • Ver ítem
JavaScript is disabled for your browser. Some features of this site may not work without it.

Herramienta automática para la segmentación de la arteria aorta a partir de imágenes de tomografía computarizada

Thumbnail
Ver/abrir
A.García_Gómez_Herramienta_automática_para_la_segmentación_de_la_arteria _2019.pdf (4.783Mb)
Use este enlace para citar
http://hdl.handle.net/2183/25124
Atribución-NoComercial-SinDerivadas 3.0 España
A non ser que se indique outra cousa, a licenza do ítem descríbese como Atribución-NoComercial-SinDerivadas 3.0 España
Coleccións
  • Traballos académicos (FIC) [715]
Metadatos
Mostrar o rexistro completo do ítem
Título
Herramienta automática para la segmentación de la arteria aorta a partir de imágenes de tomografía computarizada
Autor(es)
García Gómez, André
Director(es)
González Penedo, Manuel Francisco
Barreira, Noelia
Data
2019
Centro/Dpto/Entidade
Enxeñaría informática, Grao en
Descrición
Traballo fin de grao (UDC.FIC). Enxeñaría informática. Curso 2018/2019
Resumo
[Resumen] La aorta es la principal arteria del cuerpo humano. Sale del ventrículo izquierdo del corazón y da origen a todas las arterias del sistema circulatorio con excepción de las arterias pulmonares, siendo así uno de los principales canales de transmisión de oxígeno del cuerpo. Su cuidado es fundamental dado que una mala salud de la misma pueden tener un nivel alto de mortalidad para el propio paciente. Gran parte de las enfermedades de la aorta pueden detectarse por su forma, como es el caso del aneurisma, enfermedad que va expandiendo las paredes de la aorta pudiendo llegar a romperla. También a partir de la forma se pueden detectar malformaciones naturales de la misma que pueden dificultar la vida del paciente. Actualmente existen sistemas de segmentación automática de la aorta con metodologías tradicionales de procesado de imagen como es el caso del crecimiento por regiones o el seguimiento de la forma de la aorta. Sin embargo, son lentos y, aunque generan buenos resultados en la gran parte de los casos, tienen dificultades a la hora de segmentar aortas con formas poco comunes. Por otra parte, los sistemas de deep learning están siendo utilizados en los últimos años de forma masiva para resolver problemas en el ámbito de la imagen médica. Esto es debido a su precisión y rapidez en el procesado gracias a la aparición de nuevas arquitecturas de redes neuronales y el desarrollo de hardware especializado en este tipo de tecnologías. En este proyecto se desarrollará una metodología para la segmentación automática de la forma de la aorta a partir de imágenes de tomografía computarizada (CT) en 3D. Dicho sistema estará basado en técnicas de deep learning y visión artificial. En concreto, se probará la arquitectura de red UNet para abordar la segmentación preliminar de las estructuras vasculares presentes en la imagen y se desarrollarán algoritmos de procesado de imagen para realizar la reconstrucción completa de la arteria. La metodología desarrollada se incluirá en una herramienta de visualización que también se encargará de realizar el proceso de segmentación.
Palabras chave
Aprendizaje automático
Aorta
UNet
Segmentación
Redes neuronales
 
Dereitos
Atribución-NoComercial-SinDerivadas 3.0 España

Listar

Todo RUCComunidades e colecciónsPor data de publicaciónAutoresTítulosMateriasGrupo de InvestigaciónTitulaciónEsta colecciónPor data de publicaciónAutoresTítulosMateriasGrupo de InvestigaciónTitulación

A miña conta

AccederRexistro

Estatísticas

Ver Estatísticas de uso
Sherpa
OpenArchives
OAIster
Scholar Google
UNIVERSIDADE DA CORUÑA. Servizo de Biblioteca.    DSpace Software Copyright © 2002-2013 Duraspace - Suxestións