Segmentación de vasos cerebrales en imágenes médicas 3D

Autores
Dicosimo, Gonzalo
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Larrabide, Ignacio
García, Camila
Descripción
Este trabajo aborda el desafío de mejorar la detección de vasos cerebrales en imágenes médicas mediante el uso de modelos de aprendizaje profundo, específicamente utilizando la arquitectura nnU-Net. En el marco de un proyecto desarrollado en Yatiris, se evaluó la aplicabilidad y efectividad de esta tecnología para identificar con precisión estructuras vasculares cerebrales, superando las limitaciones de los métodos tradicionales. A través de esta investigación, se busca demostrar cómo la nnU-Net puede ofrecer una segmentación precisa y automatizada, contribuyendo a un diagnóstico y tratamiento más efectivo de enfermedades cerebrovasculares.
Fil: Dicosimo, Gonzalo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: García, Camila. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Imágenes 3D
Enfermedades cerebrovasculares
Arquitectura nnU-Net
Aneurisma cerebral
Inteligencia Artificial
Diagnóstico asistido
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/4431
Acceder
id RIDUNICEN_31654a8b025c4aec01aa5d37dd2d7f2a
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/4431
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Segmentación de vasos cerebrales en imágenes médicas 3DDicosimo, GonzaloImágenes 3DEnfermedades cerebrovascularesArquitectura nnU-NetAneurisma cerebralInteligencia ArtificialDiagnóstico asistidoEste trabajo aborda el desafío de mejorar la detección de vasos cerebrales en imágenes médicas mediante el uso de modelos de aprendizaje profundo, específicamente utilizando la arquitectura nnU-Net. En el marco de un proyecto desarrollado en Yatiris, se evaluó la aplicabilidad y efectividad de esta tecnología para identificar con precisión estructuras vasculares cerebrales, superando las limitaciones de los métodos tradicionales. A través de esta investigación, se busca demostrar cómo la nnU-Net puede ofrecer una segmentación precisa y automatizada, contribuyendo a un diagnóstico y tratamiento más efectivo de enfermedades cerebrovasculares.Fil: Dicosimo, Gonzalo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: García, Camila. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasLarrabide, IgnacioGarcía, Camila20242025-04-24T12:37:00Z2025-04-24T12:37:00Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfDicosimo, G. (2024). Segmentación de vasos cerebrales en imágenes médicas 3D [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.https://www.ridaa.unicen.edu.ar/handle/123456789/4431spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-29T13:41:20Zoai:ridaa.unicen.edu.ar:123456789/4431instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 13:41:20.883RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Segmentación de vasos cerebrales en imágenes médicas 3D
title Segmentación de vasos cerebrales en imágenes médicas 3D
spellingShingle Segmentación de vasos cerebrales en imágenes médicas 3D
Dicosimo, Gonzalo
Imágenes 3D
Enfermedades cerebrovasculares
Arquitectura nnU-Net
Aneurisma cerebral
Inteligencia Artificial
Diagnóstico asistido
title_short Segmentación de vasos cerebrales en imágenes médicas 3D
title_full Segmentación de vasos cerebrales en imágenes médicas 3D
title_fullStr Segmentación de vasos cerebrales en imágenes médicas 3D
title_full_unstemmed Segmentación de vasos cerebrales en imágenes médicas 3D
title_sort Segmentación de vasos cerebrales en imágenes médicas 3D
dc.creator.none.fl_str_mv Dicosimo, Gonzalo
author Dicosimo, Gonzalo
author_facet Dicosimo, Gonzalo
author_role author
dc.contributor.none.fl_str_mv Larrabide, Ignacio
García, Camila
dc.subject.none.fl_str_mv Imágenes 3D
Enfermedades cerebrovasculares
Arquitectura nnU-Net
Aneurisma cerebral
Inteligencia Artificial
Diagnóstico asistido
topic Imágenes 3D
Enfermedades cerebrovasculares
Arquitectura nnU-Net
Aneurisma cerebral
Inteligencia Artificial
Diagnóstico asistido
dc.description.none.fl_txt_mv Este trabajo aborda el desafío de mejorar la detección de vasos cerebrales en imágenes médicas mediante el uso de modelos de aprendizaje profundo, específicamente utilizando la arquitectura nnU-Net. En el marco de un proyecto desarrollado en Yatiris, se evaluó la aplicabilidad y efectividad de esta tecnología para identificar con precisión estructuras vasculares cerebrales, superando las limitaciones de los métodos tradicionales. A través de esta investigación, se busca demostrar cómo la nnU-Net puede ofrecer una segmentación precisa y automatizada, contribuyendo a un diagnóstico y tratamiento más efectivo de enfermedades cerebrovasculares.
Fil: Dicosimo, Gonzalo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: García, Camila. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description Este trabajo aborda el desafío de mejorar la detección de vasos cerebrales en imágenes médicas mediante el uso de modelos de aprendizaje profundo, específicamente utilizando la arquitectura nnU-Net. En el marco de un proyecto desarrollado en Yatiris, se evaluó la aplicabilidad y efectividad de esta tecnología para identificar con precisión estructuras vasculares cerebrales, superando las limitaciones de los métodos tradicionales. A través de esta investigación, se busca demostrar cómo la nnU-Net puede ofrecer una segmentación precisa y automatizada, contribuyendo a un diagnóstico y tratamiento más efectivo de enfermedades cerebrovasculares.
publishDate 2024
dc.date.none.fl_str_mv 2024
2025-04-24T12:37:00Z
2025-04-24T12:37:00Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv Dicosimo, G. (2024). Segmentación de vasos cerebrales en imágenes médicas 3D [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
https://www.ridaa.unicen.edu.ar/handle/123456789/4431
identifier_str_mv Dicosimo, G. (2024). Segmentación de vasos cerebrales en imágenes médicas 3D [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
url https://www.ridaa.unicen.edu.ar/handle/123456789/4431
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1844619028128071680
score 12.558318

Publicaciones similares