DenseNeXt-MD : a volumetric neural network for brain tumor segmentation
"La segmentación de lesiones cerebrales es una aplicación crítica de visión por computador para el análisis de imágenes biomédicas. La dificultad del problema se encuentra en la gran variación entre instancias y el alto costo computacional del procesamiento de datos tridimensionales. En este do...
- Autores:
-
Castillo Gómez, Laura Silvana
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/34483
- Acceso en línea:
- http://hdl.handle.net/1992/34483
- Palabra clave:
- Cerebro - Tumores - Investigaciones
Redes neurales (Neurobiología) - Investigaciones
Segmentación de imagen - Investigaciones
Aprendizaje automático (Inteligencia artificial) - Investigaciones
Cerebro - Resonancia magnética en imágenes - Investigaciones
Ingeniería
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
id |
UNIANDES2_1e0ddb9aa06d7ab194a1b96011a40ba0 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/34483 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.es_CO.fl_str_mv |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation |
title |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation |
spellingShingle |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation Cerebro - Tumores - Investigaciones Redes neurales (Neurobiología) - Investigaciones Segmentación de imagen - Investigaciones Aprendizaje automático (Inteligencia artificial) - Investigaciones Cerebro - Resonancia magnética en imágenes - Investigaciones Ingeniería |
title_short |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation |
title_full |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation |
title_fullStr |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation |
title_full_unstemmed |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation |
title_sort |
DenseNeXt-MD : a volumetric neural network for brain tumor segmentation |
dc.creator.fl_str_mv |
Castillo Gómez, Laura Silvana |
dc.contributor.advisor.none.fl_str_mv |
Arbeláez Escalante, Pablo Andrés |
dc.contributor.author.none.fl_str_mv |
Castillo Gómez, Laura Silvana |
dc.contributor.jury.none.fl_str_mv |
Valderrama Manrique, Mario Andrés Hernández Hoyos, Marcela |
dc.subject.keyword.es_CO.fl_str_mv |
Cerebro - Tumores - Investigaciones Redes neurales (Neurobiología) - Investigaciones Segmentación de imagen - Investigaciones Aprendizaje automático (Inteligencia artificial) - Investigaciones Cerebro - Resonancia magnética en imágenes - Investigaciones |
topic |
Cerebro - Tumores - Investigaciones Redes neurales (Neurobiología) - Investigaciones Segmentación de imagen - Investigaciones Aprendizaje automático (Inteligencia artificial) - Investigaciones Cerebro - Resonancia magnética en imágenes - Investigaciones Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
"La segmentación de lesiones cerebrales es una aplicación crítica de visión por computador para el análisis de imágenes biomédicas. La dificultad del problema se encuentra en la gran variación entre instancias y el alto costo computacional del procesamiento de datos tridimensionales. En este documento presentamos DenseNext-MD, una red neuronal para la segmentación semántica de tumores cerebrales que analiza sus estructuras internas y es capaz de procesar datos volumétricos a partir de múltiples modalidades de MRI simultáneamente. De esta manera, el método es capaz de aprender a partir de una cantidad pequeña de datos de entrenamiento. Expandimos los métodos de vanguardia ResNeXt [1] y DenseNet [2] para procesar información tridimensional y combinarlos en un nuevo bloque denominado DenseNext. Presentamos una arquitectura que consta de cuatro bloques DenseNext que analiza parches de múltiples modalidades de MRI, utilizando al final las capas totalmente conectadas para combinar la información y obtener una segmentación semántica del tumor cerebral." -- Tomado del Formato de Documento de Grado. |
publishDate |
2018 |
dc.date.issued.none.fl_str_mv |
2018 |
dc.date.accessioned.none.fl_str_mv |
2020-06-10T09:08:11Z |
dc.date.available.none.fl_str_mv |
2020-06-10T09:08:11Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/34483 |
dc.identifier.pdf.none.fl_str_mv |
u807757.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/34483 |
identifier_str_mv |
u807757.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.es_CO.fl_str_mv |
eng |
language |
eng |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.es_CO.fl_str_mv |
8 hojas |
dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
dc.publisher.es_CO.fl_str_mv |
Uniandes |
dc.publisher.program.es_CO.fl_str_mv |
Maestría en Ingeniería Biomédica |
dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Biomédica |
dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
instname_str |
Universidad de los Andes |
institution |
Universidad de los Andes |
reponame_str |
Repositorio Institucional Séneca |
collection |
Repositorio Institucional Séneca |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/f92eea88-f18a-40c6-9fe9-8eb97c69ae29/download https://repositorio.uniandes.edu.co/bitstreams/fbfbc7d8-2672-4d2e-9b77-191e262c6620/download https://repositorio.uniandes.edu.co/bitstreams/9a0fae09-ff48-4dc0-9dd9-fed6276a0f93/download |
bitstream.checksum.fl_str_mv |
1a123b8379a880687aed5a6687c96e34 cc492e087af1d51ea58c980280807f09 63714cdd0d71393a9529e553666018ba |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133876551647232 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Arbeláez Escalante, Pablo Andrésvirtual::5051-1Castillo Gómez, Laura Silvana44751500Valderrama Manrique, Mario AndrésHernández Hoyos, Marcela2020-06-10T09:08:11Z2020-06-10T09:08:11Z2018http://hdl.handle.net/1992/34483u807757.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/"La segmentación de lesiones cerebrales es una aplicación crítica de visión por computador para el análisis de imágenes biomédicas. La dificultad del problema se encuentra en la gran variación entre instancias y el alto costo computacional del procesamiento de datos tridimensionales. En este documento presentamos DenseNext-MD, una red neuronal para la segmentación semántica de tumores cerebrales que analiza sus estructuras internas y es capaz de procesar datos volumétricos a partir de múltiples modalidades de MRI simultáneamente. De esta manera, el método es capaz de aprender a partir de una cantidad pequeña de datos de entrenamiento. Expandimos los métodos de vanguardia ResNeXt [1] y DenseNet [2] para procesar información tridimensional y combinarlos en un nuevo bloque denominado DenseNext. Presentamos una arquitectura que consta de cuatro bloques DenseNext que analiza parches de múltiples modalidades de MRI, utilizando al final las capas totalmente conectadas para combinar la información y obtener una segmentación semántica del tumor cerebral." -- Tomado del Formato de Documento de Grado."Brain lesion segmentation is a critical application of computer vision to biomedical image analysis. The difficulty is derived from the great variance between instances, and the high computational cost of processing three-dimensional data. We introduce DenseNext-MD, a neural network for brain tumor semantic segmentation that parses their internal structures and is capable of processing volumetric data from multiple MRI modalities simultaneously. As a result, the method is able to learn from small training datasets. We expand the state-of-the-art methods ResNeXt [1] and DenseNet [2] to process three-dimensional information, and combine them in a new DenseNext block. We introduce an architecture with a pathway consisting of four DenseNext Blocks that analyzes patches from multiple MRI modalities, using at the end fully-connected layers to combine the information and obtain a semantic segmentation of the brain tumor." -- Tomado del Formato de Documento de Grado.Magíster en Ingeniería BiomédicaMaestría8 hojasapplication/pdfengUniandesMaestría en Ingeniería BiomédicaFacultad de IngenieríaDepartamento de Ingeniería Biomédicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaDenseNeXt-MD : a volumetric neural network for brain tumor segmentationTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMCerebro - Tumores - InvestigacionesRedes neurales (Neurobiología) - InvestigacionesSegmentación de imagen - InvestigacionesAprendizaje automático (Inteligencia artificial) - InvestigacionesCerebro - Resonancia magnética en imágenes - InvestigacionesIngenieríaPublicationhttps://scholar.google.es/citations?user=k0nZO90AAAAJvirtual::5051-10000-0001-5244-2407virtual::5051-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001579086virtual::5051-1b4f52d42-ce2a-4e74-a22f-e52a6bfbd48evirtual::5051-1b4f52d42-ce2a-4e74-a22f-e52a6bfbd48evirtual::5051-1ORIGINALu807757.pdfapplication/pdf4529091https://repositorio.uniandes.edu.co/bitstreams/f92eea88-f18a-40c6-9fe9-8eb97c69ae29/download1a123b8379a880687aed5a6687c96e34MD51THUMBNAILu807757.pdf.jpgu807757.pdf.jpgIM Thumbnailimage/jpeg28372https://repositorio.uniandes.edu.co/bitstreams/fbfbc7d8-2672-4d2e-9b77-191e262c6620/downloadcc492e087af1d51ea58c980280807f09MD55TEXTu807757.pdf.txtu807757.pdf.txtExtracted texttext/plain33124https://repositorio.uniandes.edu.co/bitstreams/9a0fae09-ff48-4dc0-9dd9-fed6276a0f93/download63714cdd0d71393a9529e553666018baMD541992/34483oai:repositorio.uniandes.edu.co:1992/344832024-03-13 12:50:31.823http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |