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: |
| LEADER | 03453ntm a2200397 a 4500 | ||
|---|---|---|---|
| 001 | 311377.19.f | ||
| 003 | arsfunl | ||
| 008 | 200806s2021 ARG m 000 0 spa d | ||
| 040 | # | # | |a HHR |
| 041 | 1 | # | |a spa |g eng |
| 080 | # | # | |a 62 |
| 082 | 0 | # | |a 006.3 |
| 100 | 1 | # | |a Larrazabal, Agostina Juliana |
| 245 | 1 | 0 | |a Aprendizaje profundo aplicado al análisis de imágenes médicas. |c Agostina Juliana Larrazabal ; Director César Ernesto Martínez, Codirectora Cecilia Elizabet García Cena |
| 260 | # | # | |e Santa Fe : |g 2021 |
| 300 | # | # | |a ix, 103 p. : |b il. ; |c 30 cm. |
| 500 | # | # | |a Lugar de realización: Instituto de Investigación en Señales, Sistemas e Inteligencia computacional – sin (i), FICH-UNL/CONICET. |
| 500 | # | # | |a 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) |
| 502 | # | # | |a Tesis (Doctorado en Ingeniería-Mención Inteligencia Computacional, Señales y Sistemas)--Facultad de Ingeniería y Ciencias Hídricas, Universidad Nacional del Litoral, 2021 |
| 505 | 0 | # | |a Anatomical priors for image segmentation via post-processing with denoising autoencoders / Agostina J. Larrazabal, Cesar Martinesz y Enzo Ferrante -- Post – DAE: Anatomically plausible segmentatio via post-processing with denoising autoencoders / Agostina J. Larrazabal … [et al.] -- Orthogonal ensemble networks for biomedical image segmentation / Agostina J. Larrazabal … [et al.] -- Maximun entropy on erroneous predictios (MEEP): Improving model calibration for medical image segmetation / Agostina J. Larrazabal … [et al.] -- Video-oculography eye tracking towards clinical applications: A review / Agostina J. Larrazabal, C. E. García Cena y C. E. Martínez -- Eye corners tracking for head movement estimation / Agostina J. Larrazabal, Cecilia. E. García Cena y César E. Martínez |
| 520 | 3 | # | |a 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. |
| 530 | # | # | |a Disponible también en Biblioteca Virtual de la UNL. |u https://hdl.handle.net/11185/6591 |
| 546 | # | # | |a Texto de artículos anexos en inglés |
| 650 | 0 | 7 | |a Inteligencia artificial |2 spines |
| 653 | 0 | # | |a Tesis Doctoral FICH |
| 653 | 0 | # | |a Tesis Doctoral en Ingeniería |
| 653 | 0 | # | |a Autocodificadores |
| 653 | 0 | # | |a Redes neuronales convolucionales |
| 653 | 0 | # | |a Segmentación de imágenes |
| 653 | 0 | # | |a Aprendizaje de representaciones |
| 653 | 0 | # | |a Ensamble de redes neuronales |
| 653 | 0 | # | |a Restricciones ortogonales |
| 653 | 0 | # | |a Penalización de entropía |
| 700 | 1 | # | |a Martínez, César Ernesto |c Dr. |c sinc(i)-CONICET-UNL |e director de tesis |
| 700 | 1 | # | |a García Cena, Cecilia Elizabet |c Dra. |c CAR-UPM |e director de tesis |
| 090 | |a Tes. Doc. FICH |b L298 |d - |i 5505735 |u 19 | ||