Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning

Autores
Rulloni, Valeria Soledad; Pérez, Hernán A.; Borchi, Nahuel A.; Dori, Trinidad; Gil, Francisco N.; De Vargas Guterres, Bruna; García, Nestor H.
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Rulloni, Valeria Soledad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Pérez, Hernán A. Universidad Católica de Córdoba, Facultad de Ciencias de la Salud; Argentina.
Fil: Borchi, Nahuel A. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Dori, Trinidad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Gil, Francisco N. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: De Vargas Guterres, Bruna. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: García, Nestor H. Universidad Nacional de Córdoba. Facultad de Ciencias Médicas; Argentina.
Fil: García, Nestor H. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ciencias de la Salud; Argentina.
Los eventos cardiovasculares, principalmente isquémicos, representan alrededor del 30% de las muertes a nivel mundial, con un aumento proyectado del 30% para 2030. La mayoría de estas muertes son prevenibles al controlar factores de riesgo tradicionales. La aterosclerosis, que progresa a través de diversas etapas, incluida la formación de placas, es la principal causa de enfermedades cardiovasculares isquémicas y un marcador importante para la detección temprana de la enfermedad. En este trabajo se desarrolló de forma interdisciplinaria un protocolo de adquisición y un algoritmo de procesado semi-automático para el armado de una base de imágenes adecuadas al entrenamiento de redes neuronales convolucionales U-Net para la segmentación automatizada de placas ateroscleróticas en imágenes de ultrasonido. En la implementación se generaron 541 pares de imágenes, cada uno compuesto por una imagen de entrada en ultrasonido monocromático y una imagen de salida binaria con las placas. Esta base fue utilizada para entrenar varios ensambles de modelos U-Net hasta lograr un ensamble prometedor. El valor logrado es menor a algunos publicados en trabajos similares pero la base construida le da robustez al algoritmo en situaciones no abordadas por otros, como variaciones en el tamaño de imagen y la presencia o ausencia de placas.
Fil: Rulloni, Valeria Soledad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Pérez, Hernán A. Universidad Católica de Córdoba, Facultad de Ciencias de la Salud; Argentina.
Fil: Borchi, Nahuel A. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Dori, Trinidad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Gil, Francisco N. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: De Vargas Guterres, Bruna. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: García, Nestor H. Universidad Nacional de Córdoba. Facultad de Ciencias Médicas; Argentina.
Fil: García, Nestor H. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ciencias de la Salud; Argentina.
Materia
Inteligencia Artificial (IA)
Segmentación
Aprendizaje profundo
Red neuronal convolucional
Eje temático: Salud, medicina y asistencia social
TECHNOLOGY
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/558695
Acceder
id RDUUNC_99d82f1d1418a9217130afb21f52589b
oai_identifier_str oai:rdu.unc.edu.ar:11086/558695
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learningRulloni, Valeria SoledadPérez, Hernán A.Borchi, Nahuel A.Dori, TrinidadGil, Francisco N.De Vargas Guterres, BrunaGarcía, Nestor H.Inteligencia Artificial (IA)SegmentaciónAprendizaje profundoRed neuronal convolucionalEje temático: Salud, medicina y asistencia socialTECHNOLOGYFil: Rulloni, Valeria Soledad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Pérez, Hernán A. Universidad Católica de Córdoba, Facultad de Ciencias de la Salud; Argentina.Fil: Borchi, Nahuel A. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Dori, Trinidad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Gil, Francisco N. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.Fil: De Vargas Guterres, Bruna. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.Fil: García, Nestor H. Universidad Nacional de Córdoba. Facultad de Ciencias Médicas; Argentina.Fil: García, Nestor H. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ciencias de la Salud; Argentina.Los eventos cardiovasculares, principalmente isquémicos, representan alrededor del 30% de las muertes a nivel mundial, con un aumento proyectado del 30% para 2030. La mayoría de estas muertes son prevenibles al controlar factores de riesgo tradicionales. La aterosclerosis, que progresa a través de diversas etapas, incluida la formación de placas, es la principal causa de enfermedades cardiovasculares isquémicas y un marcador importante para la detección temprana de la enfermedad. En este trabajo se desarrolló de forma interdisciplinaria un protocolo de adquisición y un algoritmo de procesado semi-automático para el armado de una base de imágenes adecuadas al entrenamiento de redes neuronales convolucionales U-Net para la segmentación automatizada de placas ateroscleróticas en imágenes de ultrasonido. En la implementación se generaron 541 pares de imágenes, cada uno compuesto por una imagen de entrada en ultrasonido monocromático y una imagen de salida binaria con las placas. Esta base fue utilizada para entrenar varios ensambles de modelos U-Net hasta lograr un ensamble prometedor. El valor logrado es menor a algunos publicados en trabajos similares pero la base construida le da robustez al algoritmo en situaciones no abordadas por otros, como variaciones en el tamaño de imagen y la presencia o ausencia de placas.Fil: Rulloni, Valeria Soledad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Pérez, Hernán A. Universidad Católica de Córdoba, Facultad de Ciencias de la Salud; Argentina.Fil: Borchi, Nahuel A. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Dori, Trinidad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Gil, Francisco N. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.Fil: De Vargas Guterres, Bruna. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.Fil: García, Nestor H. Universidad Nacional de Córdoba. Facultad de Ciencias Médicas; Argentina.Fil: García, Nestor H. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ciencias de la Salud; Argentina.2024info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfRulloni, V. S., Pérez, H. A., Borchi, N. A., Dori, T., Gil, F. N., de Vargas Guterres, B., & García, N. H. (2024). Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning. En Eje temático: Salud, medicina y asistencia social. Facultad de Ciencias Exactas, Físicas y Naturales, Universidad Nacional de Córdoba, Córdoba, Argentina.http://hdl.handle.net/11086/558695spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-11-06T09:39:39Zoai:rdu.unc.edu.ar:11086/558695Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-11-06 09:39:39.288Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
title Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
spellingShingle Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
Rulloni, Valeria Soledad
Inteligencia Artificial (IA)
Segmentación
Aprendizaje profundo
Red neuronal convolucional
Eje temático: Salud, medicina y asistencia social
TECHNOLOGY
title_short Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
title_full Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
title_fullStr Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
title_full_unstemmed Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
title_sort Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning
dc.creator.none.fl_str_mv Rulloni, Valeria Soledad
Pérez, Hernán A.
Borchi, Nahuel A.
Dori, Trinidad
Gil, Francisco N.
De Vargas Guterres, Bruna
García, Nestor H.
author Rulloni, Valeria Soledad
author_facet Rulloni, Valeria Soledad
Pérez, Hernán A.
Borchi, Nahuel A.
Dori, Trinidad
Gil, Francisco N.
De Vargas Guterres, Bruna
García, Nestor H.
author_role author
author2 Pérez, Hernán A.
Borchi, Nahuel A.
Dori, Trinidad
Gil, Francisco N.
De Vargas Guterres, Bruna
García, Nestor H.
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Inteligencia Artificial (IA)
Segmentación
Aprendizaje profundo
Red neuronal convolucional
Eje temático: Salud, medicina y asistencia social
TECHNOLOGY
topic Inteligencia Artificial (IA)
Segmentación
Aprendizaje profundo
Red neuronal convolucional
Eje temático: Salud, medicina y asistencia social
TECHNOLOGY
dc.description.none.fl_txt_mv Fil: Rulloni, Valeria Soledad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Pérez, Hernán A. Universidad Católica de Córdoba, Facultad de Ciencias de la Salud; Argentina.
Fil: Borchi, Nahuel A. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Dori, Trinidad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Gil, Francisco N. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: De Vargas Guterres, Bruna. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: García, Nestor H. Universidad Nacional de Córdoba. Facultad de Ciencias Médicas; Argentina.
Fil: García, Nestor H. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ciencias de la Salud; Argentina.
Los eventos cardiovasculares, principalmente isquémicos, representan alrededor del 30% de las muertes a nivel mundial, con un aumento proyectado del 30% para 2030. La mayoría de estas muertes son prevenibles al controlar factores de riesgo tradicionales. La aterosclerosis, que progresa a través de diversas etapas, incluida la formación de placas, es la principal causa de enfermedades cardiovasculares isquémicas y un marcador importante para la detección temprana de la enfermedad. En este trabajo se desarrolló de forma interdisciplinaria un protocolo de adquisición y un algoritmo de procesado semi-automático para el armado de una base de imágenes adecuadas al entrenamiento de redes neuronales convolucionales U-Net para la segmentación automatizada de placas ateroscleróticas en imágenes de ultrasonido. En la implementación se generaron 541 pares de imágenes, cada uno compuesto por una imagen de entrada en ultrasonido monocromático y una imagen de salida binaria con las placas. Esta base fue utilizada para entrenar varios ensambles de modelos U-Net hasta lograr un ensamble prometedor. El valor logrado es menor a algunos publicados en trabajos similares pero la base construida le da robustez al algoritmo en situaciones no abordadas por otros, como variaciones en el tamaño de imagen y la presencia o ausencia de placas.
Fil: Rulloni, Valeria Soledad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Pérez, Hernán A. Universidad Católica de Córdoba, Facultad de Ciencias de la Salud; Argentina.
Fil: Borchi, Nahuel A. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Dori, Trinidad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Gil, Francisco N. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: De Vargas Guterres, Bruna. Universidad Tecnológica del Uruguay. Posgrado en Robótica e Inteligencia Artificial; Uruguay.
Fil: García, Nestor H. Universidad Nacional de Córdoba. Facultad de Ciencias Médicas; Argentina.
Fil: García, Nestor H. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ciencias de la Salud; Argentina.
description Fil: Rulloni, Valeria Soledad. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
publishDate 2024
dc.date.none.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv Rulloni, V. S., Pérez, H. A., Borchi, N. A., Dori, T., Gil, F. N., de Vargas Guterres, B., & García, N. H. (2024). Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning. En Eje temático: Salud, medicina y asistencia social. Facultad de Ciencias Exactas, Físicas y Naturales, Universidad Nacional de Córdoba, Córdoba, Argentina.
http://hdl.handle.net/11086/558695
identifier_str_mv Rulloni, V. S., Pérez, H. A., Borchi, N. A., Dori, T., Gil, F. N., de Vargas Guterres, B., & García, N. H. (2024). Generación de base con imágenes de ultrasonido en modo B con placas arteroscleróticas para entrenamiento de segmentación automática usando deep learning. En Eje temático: Salud, medicina y asistencia social. Facultad de Ciencias Exactas, Físicas y Naturales, Universidad Nacional de Córdoba, Córdoba, Argentina.
url http://hdl.handle.net/11086/558695
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1848046257597054976
score 12.576249

Publicaciones similares