Aprendizaje profundo aplicado al análisis de imágenes médicas.
El análisis de imágenes médicas es fundamental para la medicina moderna. En los últimos años, el aprendizaje profundo y particularmente las redes neuronales convolucionales han logrado grandes mejoras en el desempeño de las técnicas de visión computacional, permitiendo automatizar tareas complejas....
Guardado en:
| Autor Principal: | |
|---|---|
| Otros Autores: | , |
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Materias: |
| Sumario: | El análisis de imágenes médicas es fundamental para la medicina moderna. En los últimos años, el aprendizaje profundo y particularmente las redes neuronales convolucionales han logrado grandes mejoras en el desempeño de las técnicas de visión computacional, permitiendo automatizar tareas complejas. En esta tesis se avanzará en el desarrollo de técnicas y metodologías basadas en redes profundas, focalizando en tres aplicaciones en particular: la segmentación de estructuras en imágenes médicas, la estimación de incertidumbre y el seguimiento de mirada en video-oculografía para detección de enfermedades neurológicas. |
|---|---|
| descripción de la copia: | Lugar de realización: Instituto de Investigación en Señales, Sistemas e Inteligencia computacional – sin (i), FICH-UNL/CONICET. Esta tesis se encuentra organizada bajo el formato de Tesis por Compilación, aprobado en la resolución N° 255/17 (Expte N° 888317-17) por el Comité Académico de la Carrera Doctorado en Ingeniería, Facultad de Ingeniería y Ciencias Hídricas, Universidad Nacional del Litoral (UNL) |
| Descripción Física: | ix, 103 p. : il. ; 30 cm. Disponible también en Biblioteca Virtual de la UNL. |