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 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.

• 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