Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular

Autores
Moris, Eugenia
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Larrabide, Ignacio
Lo Vercio, Lucas D.
Descripción
Las imágenes de ultrasonido intravascular o IVUS, nos permiten observar las paredes arteriales desde el interior de las mismas. Las mismas puede ser útiles para la detección temprana de enfermedades coronarias como la aterosclerosis. En este trabajo se evaluaron diferentes alternativas de redes neuronales convolucionales (CNN) para detectar estructuras morfológicas en las arterias. Ya sean Bifurcaciones, Placas ateroscleróticas ecogénicas o sombras debido a calcificación. Dichas estructuras afectan la observación del especialista y la segmentación automática. Sobre las distintas CNN se evaluaron diversos conjuntos de parámetros que permitían un mejor o peor rendimiento de las mismas. También se vio que estos métodos necesitan de un buen conjunto de datos, tanto en cantidad como en balance de información, afectando en el desempeño de las redes. Se vio también como la transferencia de aprendizaje resulto ser una herramienta muy útil cuando la cantidad de datos no resulta la adecuada. Al final del trabajo se aplicó, en cada región de una imagen IVUS, un método de segmentación que este adaptado a cada estructura morfológica.
Fil: Moris, Eugenia. 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: Lo Vercio, Lucas D. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Enfermedades cardiovasculares
IVUS
Imágenes de ultrasonido intravascular
Ingeniería de sistemas
Redes neuronales
Aprendizaje automático
Ultrasonido intravascular
Aterosclerosis
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/2343
Acceder
id RIDUNICEN_502cb6343ad2a242ae8e75e77cf3f360
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/2343
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascularMoris, EugeniaEnfermedades cardiovascularesIVUSImágenes de ultrasonido intravascularIngeniería de sistemasRedes neuronalesAprendizaje automáticoUltrasonido intravascularAterosclerosisLas imágenes de ultrasonido intravascular o IVUS, nos permiten observar las paredes arteriales desde el interior de las mismas. Las mismas puede ser útiles para la detección temprana de enfermedades coronarias como la aterosclerosis. En este trabajo se evaluaron diferentes alternativas de redes neuronales convolucionales (CNN) para detectar estructuras morfológicas en las arterias. Ya sean Bifurcaciones, Placas ateroscleróticas ecogénicas o sombras debido a calcificación. Dichas estructuras afectan la observación del especialista y la segmentación automática. Sobre las distintas CNN se evaluaron diversos conjuntos de parámetros que permitían un mejor o peor rendimiento de las mismas. También se vio que estos métodos necesitan de un buen conjunto de datos, tanto en cantidad como en balance de información, afectando en el desempeño de las redes. Se vio también como la transferencia de aprendizaje resulto ser una herramienta muy útil cuando la cantidad de datos no resulta la adecuada. Al final del trabajo se aplicó, en cada región de una imagen IVUS, un método de segmentación que este adaptado a cada estructura morfológica.Fil: Moris, Eugenia. 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: Lo Vercio, Lucas D. 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, IgnacioLo Vercio, Lucas D.2019-112020-10-16T21:09:08Z2020-10-16T21:09:08Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfhttps://www.ridaa.unicen.edu.ar/handle/123456789/2343spahttp://creativecommons.org/licenses/by/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-04T09:43:54Zoai:ridaa.unicen.edu.ar:123456789/2343instacron: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:a2025-09-04 09:43:54.491RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
title Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
spellingShingle Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
Moris, Eugenia
Enfermedades cardiovasculares
IVUS
Imágenes de ultrasonido intravascular
Ingeniería de sistemas
Redes neuronales
Aprendizaje automático
Ultrasonido intravascular
Aterosclerosis
title_short Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
title_full Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
title_fullStr Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
title_full_unstemmed Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
title_sort Detección automática de estructuras morfológicas mediante aprendizaje automático para la segmentación de ultrasonido intravascular
dc.creator.none.fl_str_mv Moris, Eugenia
author Moris, Eugenia
author_facet Moris, Eugenia
author_role author
dc.contributor.none.fl_str_mv Larrabide, Ignacio
Lo Vercio, Lucas D.
dc.subject.none.fl_str_mv Enfermedades cardiovasculares
IVUS
Imágenes de ultrasonido intravascular
Ingeniería de sistemas
Redes neuronales
Aprendizaje automático
Ultrasonido intravascular
Aterosclerosis
topic Enfermedades cardiovasculares
IVUS
Imágenes de ultrasonido intravascular
Ingeniería de sistemas
Redes neuronales
Aprendizaje automático
Ultrasonido intravascular
Aterosclerosis
dc.description.none.fl_txt_mv Las imágenes de ultrasonido intravascular o IVUS, nos permiten observar las paredes arteriales desde el interior de las mismas. Las mismas puede ser útiles para la detección temprana de enfermedades coronarias como la aterosclerosis. En este trabajo se evaluaron diferentes alternativas de redes neuronales convolucionales (CNN) para detectar estructuras morfológicas en las arterias. Ya sean Bifurcaciones, Placas ateroscleróticas ecogénicas o sombras debido a calcificación. Dichas estructuras afectan la observación del especialista y la segmentación automática. Sobre las distintas CNN se evaluaron diversos conjuntos de parámetros que permitían un mejor o peor rendimiento de las mismas. También se vio que estos métodos necesitan de un buen conjunto de datos, tanto en cantidad como en balance de información, afectando en el desempeño de las redes. Se vio también como la transferencia de aprendizaje resulto ser una herramienta muy útil cuando la cantidad de datos no resulta la adecuada. Al final del trabajo se aplicó, en cada región de una imagen IVUS, un método de segmentación que este adaptado a cada estructura morfológica.
Fil: Moris, Eugenia. 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: Lo Vercio, Lucas D. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description Las imágenes de ultrasonido intravascular o IVUS, nos permiten observar las paredes arteriales desde el interior de las mismas. Las mismas puede ser útiles para la detección temprana de enfermedades coronarias como la aterosclerosis. En este trabajo se evaluaron diferentes alternativas de redes neuronales convolucionales (CNN) para detectar estructuras morfológicas en las arterias. Ya sean Bifurcaciones, Placas ateroscleróticas ecogénicas o sombras debido a calcificación. Dichas estructuras afectan la observación del especialista y la segmentación automática. Sobre las distintas CNN se evaluaron diversos conjuntos de parámetros que permitían un mejor o peor rendimiento de las mismas. También se vio que estos métodos necesitan de un buen conjunto de datos, tanto en cantidad como en balance de información, afectando en el desempeño de las redes. Se vio también como la transferencia de aprendizaje resulto ser una herramienta muy útil cuando la cantidad de datos no resulta la adecuada. Al final del trabajo se aplicó, en cada región de una imagen IVUS, un método de segmentación que este adaptado a cada estructura morfológica.
publishDate 2019
dc.date.none.fl_str_mv 2019-11
2020-10-16T21:09:08Z
2020-10-16T21:09:08Z
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 https://www.ridaa.unicen.edu.ar/handle/123456789/2343
url https://www.ridaa.unicen.edu.ar/handle/123456789/2343
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/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_ 1842341499400880128
score 12.623145

Publicaciones similares