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...

Full description

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

Publicaciones similares