Sistema de apoyo para super-resolución de imágenes de resonancia magnética usando técnicas de aprendizaje profundo
Las imágenes de resonancia magnética son esenciales para diagnosticar pacientes, sin embargo, un problema que varios hospitales enfrentan es la dificultad de obtener imágenes de alta resolución debido a factores de alto costo. El proyecto busca resolver este problema al desarrollar una aplicación we...
- Autores:
-
García Mogollón, Juliana
Cardona Ramirez, Ernesto
Gomez Bautista, Andrés David
Romero Pineda, Santiago
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/61828
- Acceso en línea:
- http://hdl.handle.net/10554/61828
- Palabra clave:
- Super-Resolución
Aprendizaje de Máquina
Aprendizaje Profundo
Red Neuronal
Imágenes de Resonancia Magnética
Hospital
Super-Resolution
Machine Learning
Deep Learning
Neural Network
Magnetic Resonance Images
Hospital
Ingeniería de sistemas - Tesis y disertaciones académicas
Aprendizaje automático (Inteligencia artificial)
Aprendizaje de máquinas
Mejoramiento de procesos
Redes neuronales (Computadores)
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
Summary: | Las imágenes de resonancia magnética son esenciales para diagnosticar pacientes, sin embargo, un problema que varios hospitales enfrentan es la dificultad de obtener imágenes de alta resolución debido a factores de alto costo. El proyecto busca resolver este problema al desarrollar una aplicación web que incremente la resolución espacial de la imagen usando un algoritmo de super-resolución entrenado sobre una red neuronal DCSRN. La aplicación está compuesta por un sistema Front-End construido con arquitectura por Componentes utilizando Angular, un sistema Back-End construido con arquitectura Multicapa utilizando Spring-Boot, y un sistema Modelo escrito en Python siguiendo una arquitectura por Componentes. |
---|