Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional

Autores
Isa Jara, Ramiro Fernando
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión borrador
Colaborador/a o director/a de tesis
Ballarin, Virginia Laura
Meschino, Gustavo Javier
Descripción
En el presente trabajo se aborda la temática de la Registración de imágenes médicas. La registración tiene como finalidad alinear geométricamente dos o más imágenes que comparten información común y, a su vez, presentan información complementaria. Dentro del campo médico, este proceso tiene gran relevancia, ya que permite la comparación de imágenes que han sido adquiridas en distintos instantes de tiempo o en distinta modalidad. Además, es el paso previo para procesos mucho más complejos como son la fusión de imágenes, la segmentación, entre otros. La registración es un problema de optimización que incluye el procesamiento de imágenes. Por tanto, a lo largo de este trabajo se abordan estos dos temas centrales desde varias perspectivas. El caso de la optimización se aborda desde el enfoque estocástico y de la programación evolutiva mediante el estudio y posterior aplicación de algoritmos inspirados en el comportamiento de sistemas biológicos entre los que están las colmenas de abejas o las colonias de hormigas. El procesamiento de imágenes es, sin duda, una de las técnicas actuales más relevantes, debido a la alta capacidad de los equipos de adquisición y de las herramientas computacionales para su posterior adecuación y mejora. Desde esta perspectiva, se ha abordado el filtrado y extracción de características invariantes en imágenes. Esta extracción permite obtener información relevante tanto local como global de una imagen, pero además con la propiedad de invariancia frente a ciertas transformaciones geométricas, lo que permite el emparejamiento de dos o más imágenes con información compartida. Los métodos SIFT y SURF han servido como base para el desarrollo de una propuesta para la extracción de forma automática de marcadores anatómicos en imágenes médicas y su posterior aplicación en el proceso de registración. Una de las áreas más atractivas en los últimos años dentro de las ciencias computacionales y la ingeniería, es sin duda la inteligencia computacional, campo fundamental de la inteligencia artificial. Esta depende directamente de los métodos que permiten que un sistema o agente inteligente pueda aprender a partir de datos. A esto se lo conoce como Aprendizaje de máquina o Machine Learning. Este trabajo aborda uno de sus métodos principales denominado aprendizaje por refuerzo. Además, se aborda el aprendizaje profundo o Deep Learning desde el fundamento del aprendizaje por refuerzo. Este tiene como finalidad que un agente artificial aprenda desde la experiencia al interactuar directamente con su entorno. El algoritmo Q-Learning ha servido de base para el estudio de este método junto con los nuevos aportes basados en sistemas no lineales como las redes neuronales que han dado el inicio a una amplia gama de aplicaciones en teoría de juegos, redes de energía inteligentes y, por supuesto, el diagnóstico médico. En este trabajo se aborda el aprendizaje por refuerzo y el aprendizaje por refuerzo profundo enfocados en dar una alternativa a la registración de imágenes utilizando esta tecnología y métodos muy recientes. Esta tesis tiene como objetivo central brindar una nueva visión con relación a la registración de imágenes mediante el aporte de nuevos resultados obtenidos con los métodos mencionados previamente. Estos han demostrado ser interesantes y prometedores, especialmente cuando se los compara con métodos muy aceptados en este campo de investigación. Esta Tesis está estructurada de la siguiente manera: • Capítulo 1 – Introducción En este capítulo se presenta el contexto general y específico en que están involucrados la registración de imágenes. Además, se analizan los avances previos realizados, especialmente dentro del área médica. Finalmente, se expone la metodología que será utilizada en el desarrollo de esta tesis. • Capítulo 2 – Registración y fusión de imágenes En este capítulo se presentan los conceptos y características propias de la registración y la fusión de imágenes. También se introducen las técnicas de procesamiento de imágenes más útiles y adecuadas para la solución al problema de alineamiento. • Capítulo 3 – Optimización En este capítulo se presenta la definición formal y los alcances de la optimización. Además, se introduce en el ámbito de la optimización estocástica junto con los métodos y técnicas más utilizadas. Finalmente, se presentan los aportes realizados en torno a la optimización estocástica y posteriormente los resultados dentro de la registración de imágenes médicas. • Capítulo 4 – Extracción de características En este capítulo se analizan y describen de manera específica las técnicas de extracción automática de características en una imagen. Se describen algunos métodos utilizados con este objetivo. Finalmente, se presentan los aportes realizados utilizando este método en torno a la registración de imágenes médicas. • Capítulo 5 - Inteligencia computacional En este capítulo se presenta el paradigma de la inteligencia computacional y su campo de aplicación dentro del procesamiento de imágenes. Además, se describe el enfoque del aprendizaje por refuerzo y del aprendizaje por refuerzo profundo, el cual se considera uno de los adecuados para abordar la registración de imágenes. Finalmente, se presentan los aportes realizados a esta área con imágenes médicas. • Capítulo 6 – Conclusiones En este capítulo se exponen las conclusiones obtenidas durante el presente trabajo. Además, se analizan los alcances de los objetivos propuestos y se propone el trabajo futuro.
Fil: Isa Jara, Ramiro Fernando. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina.
Materia
Registración de imágenes médicas
Tratamiento digital de imágenes
Aplicaciones biomédicas
Optimización de imágenes
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by/4.0/
Repositorio
Repositorio Institucional Facultad de Ingeniería - UNMDP
Institución
Universidad Nacional de Mar del Plata. Facultad de Ingeniería
OAI Identificador
oai:rinfi.fi.mdp.edu.ar:123456789/386

id RINFIUNMDP_e97886b2dfff9dfbc2a682cd62f5d4d2
oai_identifier_str oai:rinfi.fi.mdp.edu.ar:123456789/386
network_acronym_str RINFIUNMDP
repository_id_str
network_name_str Repositorio Institucional Facultad de Ingeniería - UNMDP
spelling Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacionalIsa Jara, Ramiro FernandoRegistración de imágenes médicasTratamiento digital de imágenesAplicaciones biomédicasOptimización de imágenesEn el presente trabajo se aborda la temática de la Registración de imágenes médicas. La registración tiene como finalidad alinear geométricamente dos o más imágenes que comparten información común y, a su vez, presentan información complementaria. Dentro del campo médico, este proceso tiene gran relevancia, ya que permite la comparación de imágenes que han sido adquiridas en distintos instantes de tiempo o en distinta modalidad. Además, es el paso previo para procesos mucho más complejos como son la fusión de imágenes, la segmentación, entre otros. La registración es un problema de optimización que incluye el procesamiento de imágenes. Por tanto, a lo largo de este trabajo se abordan estos dos temas centrales desde varias perspectivas. El caso de la optimización se aborda desde el enfoque estocástico y de la programación evolutiva mediante el estudio y posterior aplicación de algoritmos inspirados en el comportamiento de sistemas biológicos entre los que están las colmenas de abejas o las colonias de hormigas. El procesamiento de imágenes es, sin duda, una de las técnicas actuales más relevantes, debido a la alta capacidad de los equipos de adquisición y de las herramientas computacionales para su posterior adecuación y mejora. Desde esta perspectiva, se ha abordado el filtrado y extracción de características invariantes en imágenes. Esta extracción permite obtener información relevante tanto local como global de una imagen, pero además con la propiedad de invariancia frente a ciertas transformaciones geométricas, lo que permite el emparejamiento de dos o más imágenes con información compartida. Los métodos SIFT y SURF han servido como base para el desarrollo de una propuesta para la extracción de forma automática de marcadores anatómicos en imágenes médicas y su posterior aplicación en el proceso de registración. Una de las áreas más atractivas en los últimos años dentro de las ciencias computacionales y la ingeniería, es sin duda la inteligencia computacional, campo fundamental de la inteligencia artificial. Esta depende directamente de los métodos que permiten que un sistema o agente inteligente pueda aprender a partir de datos. A esto se lo conoce como Aprendizaje de máquina o Machine Learning. Este trabajo aborda uno de sus métodos principales denominado aprendizaje por refuerzo. Además, se aborda el aprendizaje profundo o Deep Learning desde el fundamento del aprendizaje por refuerzo. Este tiene como finalidad que un agente artificial aprenda desde la experiencia al interactuar directamente con su entorno. El algoritmo Q-Learning ha servido de base para el estudio de este método junto con los nuevos aportes basados en sistemas no lineales como las redes neuronales que han dado el inicio a una amplia gama de aplicaciones en teoría de juegos, redes de energía inteligentes y, por supuesto, el diagnóstico médico. En este trabajo se aborda el aprendizaje por refuerzo y el aprendizaje por refuerzo profundo enfocados en dar una alternativa a la registración de imágenes utilizando esta tecnología y métodos muy recientes. Esta tesis tiene como objetivo central brindar una nueva visión con relación a la registración de imágenes mediante el aporte de nuevos resultados obtenidos con los métodos mencionados previamente. Estos han demostrado ser interesantes y prometedores, especialmente cuando se los compara con métodos muy aceptados en este campo de investigación. Esta Tesis está estructurada de la siguiente manera: • Capítulo 1 – Introducción En este capítulo se presenta el contexto general y específico en que están involucrados la registración de imágenes. Además, se analizan los avances previos realizados, especialmente dentro del área médica. Finalmente, se expone la metodología que será utilizada en el desarrollo de esta tesis. • Capítulo 2 – Registración y fusión de imágenes En este capítulo se presentan los conceptos y características propias de la registración y la fusión de imágenes. También se introducen las técnicas de procesamiento de imágenes más útiles y adecuadas para la solución al problema de alineamiento. • Capítulo 3 – Optimización En este capítulo se presenta la definición formal y los alcances de la optimización. Además, se introduce en el ámbito de la optimización estocástica junto con los métodos y técnicas más utilizadas. Finalmente, se presentan los aportes realizados en torno a la optimización estocástica y posteriormente los resultados dentro de la registración de imágenes médicas. • Capítulo 4 – Extracción de características En este capítulo se analizan y describen de manera específica las técnicas de extracción automática de características en una imagen. Se describen algunos métodos utilizados con este objetivo. Finalmente, se presentan los aportes realizados utilizando este método en torno a la registración de imágenes médicas. • Capítulo 5 - Inteligencia computacional En este capítulo se presenta el paradigma de la inteligencia computacional y su campo de aplicación dentro del procesamiento de imágenes. Además, se describe el enfoque del aprendizaje por refuerzo y del aprendizaje por refuerzo profundo, el cual se considera uno de los adecuados para abordar la registración de imágenes. Finalmente, se presentan los aportes realizados a esta área con imágenes médicas. • Capítulo 6 – Conclusiones En este capítulo se exponen las conclusiones obtenidas durante el presente trabajo. Además, se analizan los alcances de los objetivos propuestos y se propone el trabajo futuro.Fil: Isa Jara, Ramiro Fernando. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina.Universidad Nacional de Mar del Plata. Facultad de IngenieríaBallarin, Virginia LauraMeschino, Gustavo Javier2019-11-05Thesisinfo:eu-repo/semantics/draftinfo:eu-repo/semantics/doctoralThesishttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/386spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/reponame:Repositorio Institucional Facultad de Ingeniería - UNMDPinstname:Universidad Nacional de Mar del Plata. Facultad de Ingeniería2025-09-29T15:02:37Zoai:rinfi.fi.mdp.edu.ar:123456789/386instacron:FI-UNMDPInstitucionalhttps://rinfi.fi.mdp.edu.ar/Universidad públicahttps://www.fi.mdp.edu.ar/https://rinfi.fi.mdp.edu.ar/oai/snrdjosemrvs@fi.mdp.edu.arArgentinaopendoar:2025-09-29 15:02:38.107Repositorio Institucional Facultad de Ingeniería - UNMDP - Universidad Nacional de Mar del Plata. Facultad de Ingenieríafalse
dc.title.none.fl_str_mv Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
title Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
spellingShingle Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
Isa Jara, Ramiro Fernando
Registración de imágenes médicas
Tratamiento digital de imágenes
Aplicaciones biomédicas
Optimización de imágenes
title_short Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
title_full Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
title_fullStr Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
title_full_unstemmed Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
title_sort Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional
dc.creator.none.fl_str_mv Isa Jara, Ramiro Fernando
author Isa Jara, Ramiro Fernando
author_facet Isa Jara, Ramiro Fernando
author_role author
dc.contributor.none.fl_str_mv Ballarin, Virginia Laura
Meschino, Gustavo Javier
dc.subject.none.fl_str_mv Registración de imágenes médicas
Tratamiento digital de imágenes
Aplicaciones biomédicas
Optimización de imágenes
topic Registración de imágenes médicas
Tratamiento digital de imágenes
Aplicaciones biomédicas
Optimización de imágenes
dc.description.none.fl_txt_mv En el presente trabajo se aborda la temática de la Registración de imágenes médicas. La registración tiene como finalidad alinear geométricamente dos o más imágenes que comparten información común y, a su vez, presentan información complementaria. Dentro del campo médico, este proceso tiene gran relevancia, ya que permite la comparación de imágenes que han sido adquiridas en distintos instantes de tiempo o en distinta modalidad. Además, es el paso previo para procesos mucho más complejos como son la fusión de imágenes, la segmentación, entre otros. La registración es un problema de optimización que incluye el procesamiento de imágenes. Por tanto, a lo largo de este trabajo se abordan estos dos temas centrales desde varias perspectivas. El caso de la optimización se aborda desde el enfoque estocástico y de la programación evolutiva mediante el estudio y posterior aplicación de algoritmos inspirados en el comportamiento de sistemas biológicos entre los que están las colmenas de abejas o las colonias de hormigas. El procesamiento de imágenes es, sin duda, una de las técnicas actuales más relevantes, debido a la alta capacidad de los equipos de adquisición y de las herramientas computacionales para su posterior adecuación y mejora. Desde esta perspectiva, se ha abordado el filtrado y extracción de características invariantes en imágenes. Esta extracción permite obtener información relevante tanto local como global de una imagen, pero además con la propiedad de invariancia frente a ciertas transformaciones geométricas, lo que permite el emparejamiento de dos o más imágenes con información compartida. Los métodos SIFT y SURF han servido como base para el desarrollo de una propuesta para la extracción de forma automática de marcadores anatómicos en imágenes médicas y su posterior aplicación en el proceso de registración. Una de las áreas más atractivas en los últimos años dentro de las ciencias computacionales y la ingeniería, es sin duda la inteligencia computacional, campo fundamental de la inteligencia artificial. Esta depende directamente de los métodos que permiten que un sistema o agente inteligente pueda aprender a partir de datos. A esto se lo conoce como Aprendizaje de máquina o Machine Learning. Este trabajo aborda uno de sus métodos principales denominado aprendizaje por refuerzo. Además, se aborda el aprendizaje profundo o Deep Learning desde el fundamento del aprendizaje por refuerzo. Este tiene como finalidad que un agente artificial aprenda desde la experiencia al interactuar directamente con su entorno. El algoritmo Q-Learning ha servido de base para el estudio de este método junto con los nuevos aportes basados en sistemas no lineales como las redes neuronales que han dado el inicio a una amplia gama de aplicaciones en teoría de juegos, redes de energía inteligentes y, por supuesto, el diagnóstico médico. En este trabajo se aborda el aprendizaje por refuerzo y el aprendizaje por refuerzo profundo enfocados en dar una alternativa a la registración de imágenes utilizando esta tecnología y métodos muy recientes. Esta tesis tiene como objetivo central brindar una nueva visión con relación a la registración de imágenes mediante el aporte de nuevos resultados obtenidos con los métodos mencionados previamente. Estos han demostrado ser interesantes y prometedores, especialmente cuando se los compara con métodos muy aceptados en este campo de investigación. Esta Tesis está estructurada de la siguiente manera: • Capítulo 1 – Introducción En este capítulo se presenta el contexto general y específico en que están involucrados la registración de imágenes. Además, se analizan los avances previos realizados, especialmente dentro del área médica. Finalmente, se expone la metodología que será utilizada en el desarrollo de esta tesis. • Capítulo 2 – Registración y fusión de imágenes En este capítulo se presentan los conceptos y características propias de la registración y la fusión de imágenes. También se introducen las técnicas de procesamiento de imágenes más útiles y adecuadas para la solución al problema de alineamiento. • Capítulo 3 – Optimización En este capítulo se presenta la definición formal y los alcances de la optimización. Además, se introduce en el ámbito de la optimización estocástica junto con los métodos y técnicas más utilizadas. Finalmente, se presentan los aportes realizados en torno a la optimización estocástica y posteriormente los resultados dentro de la registración de imágenes médicas. • Capítulo 4 – Extracción de características En este capítulo se analizan y describen de manera específica las técnicas de extracción automática de características en una imagen. Se describen algunos métodos utilizados con este objetivo. Finalmente, se presentan los aportes realizados utilizando este método en torno a la registración de imágenes médicas. • Capítulo 5 - Inteligencia computacional En este capítulo se presenta el paradigma de la inteligencia computacional y su campo de aplicación dentro del procesamiento de imágenes. Además, se describe el enfoque del aprendizaje por refuerzo y del aprendizaje por refuerzo profundo, el cual se considera uno de los adecuados para abordar la registración de imágenes. Finalmente, se presentan los aportes realizados a esta área con imágenes médicas. • Capítulo 6 – Conclusiones En este capítulo se exponen las conclusiones obtenidas durante el presente trabajo. Además, se analizan los alcances de los objetivos propuestos y se propone el trabajo futuro.
Fil: Isa Jara, Ramiro Fernando. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina.
description En el presente trabajo se aborda la temática de la Registración de imágenes médicas. La registración tiene como finalidad alinear geométricamente dos o más imágenes que comparten información común y, a su vez, presentan información complementaria. Dentro del campo médico, este proceso tiene gran relevancia, ya que permite la comparación de imágenes que han sido adquiridas en distintos instantes de tiempo o en distinta modalidad. Además, es el paso previo para procesos mucho más complejos como son la fusión de imágenes, la segmentación, entre otros. La registración es un problema de optimización que incluye el procesamiento de imágenes. Por tanto, a lo largo de este trabajo se abordan estos dos temas centrales desde varias perspectivas. El caso de la optimización se aborda desde el enfoque estocástico y de la programación evolutiva mediante el estudio y posterior aplicación de algoritmos inspirados en el comportamiento de sistemas biológicos entre los que están las colmenas de abejas o las colonias de hormigas. El procesamiento de imágenes es, sin duda, una de las técnicas actuales más relevantes, debido a la alta capacidad de los equipos de adquisición y de las herramientas computacionales para su posterior adecuación y mejora. Desde esta perspectiva, se ha abordado el filtrado y extracción de características invariantes en imágenes. Esta extracción permite obtener información relevante tanto local como global de una imagen, pero además con la propiedad de invariancia frente a ciertas transformaciones geométricas, lo que permite el emparejamiento de dos o más imágenes con información compartida. Los métodos SIFT y SURF han servido como base para el desarrollo de una propuesta para la extracción de forma automática de marcadores anatómicos en imágenes médicas y su posterior aplicación en el proceso de registración. Una de las áreas más atractivas en los últimos años dentro de las ciencias computacionales y la ingeniería, es sin duda la inteligencia computacional, campo fundamental de la inteligencia artificial. Esta depende directamente de los métodos que permiten que un sistema o agente inteligente pueda aprender a partir de datos. A esto se lo conoce como Aprendizaje de máquina o Machine Learning. Este trabajo aborda uno de sus métodos principales denominado aprendizaje por refuerzo. Además, se aborda el aprendizaje profundo o Deep Learning desde el fundamento del aprendizaje por refuerzo. Este tiene como finalidad que un agente artificial aprenda desde la experiencia al interactuar directamente con su entorno. El algoritmo Q-Learning ha servido de base para el estudio de este método junto con los nuevos aportes basados en sistemas no lineales como las redes neuronales que han dado el inicio a una amplia gama de aplicaciones en teoría de juegos, redes de energía inteligentes y, por supuesto, el diagnóstico médico. En este trabajo se aborda el aprendizaje por refuerzo y el aprendizaje por refuerzo profundo enfocados en dar una alternativa a la registración de imágenes utilizando esta tecnología y métodos muy recientes. Esta tesis tiene como objetivo central brindar una nueva visión con relación a la registración de imágenes mediante el aporte de nuevos resultados obtenidos con los métodos mencionados previamente. Estos han demostrado ser interesantes y prometedores, especialmente cuando se los compara con métodos muy aceptados en este campo de investigación. Esta Tesis está estructurada de la siguiente manera: • Capítulo 1 – Introducción En este capítulo se presenta el contexto general y específico en que están involucrados la registración de imágenes. Además, se analizan los avances previos realizados, especialmente dentro del área médica. Finalmente, se expone la metodología que será utilizada en el desarrollo de esta tesis. • Capítulo 2 – Registración y fusión de imágenes En este capítulo se presentan los conceptos y características propias de la registración y la fusión de imágenes. También se introducen las técnicas de procesamiento de imágenes más útiles y adecuadas para la solución al problema de alineamiento. • Capítulo 3 – Optimización En este capítulo se presenta la definición formal y los alcances de la optimización. Además, se introduce en el ámbito de la optimización estocástica junto con los métodos y técnicas más utilizadas. Finalmente, se presentan los aportes realizados en torno a la optimización estocástica y posteriormente los resultados dentro de la registración de imágenes médicas. • Capítulo 4 – Extracción de características En este capítulo se analizan y describen de manera específica las técnicas de extracción automática de características en una imagen. Se describen algunos métodos utilizados con este objetivo. Finalmente, se presentan los aportes realizados utilizando este método en torno a la registración de imágenes médicas. • Capítulo 5 - Inteligencia computacional En este capítulo se presenta el paradigma de la inteligencia computacional y su campo de aplicación dentro del procesamiento de imágenes. Además, se describe el enfoque del aprendizaje por refuerzo y del aprendizaje por refuerzo profundo, el cual se considera uno de los adecuados para abordar la registración de imágenes. Finalmente, se presentan los aportes realizados a esta área con imágenes médicas. • Capítulo 6 – Conclusiones En este capítulo se exponen las conclusiones obtenidas durante el presente trabajo. Además, se analizan los alcances de los objetivos propuestos y se propone el trabajo futuro.
publishDate 2019
dc.date.none.fl_str_mv 2019-11-05
dc.type.none.fl_str_mv Thesis
info:eu-repo/semantics/draft
info:eu-repo/semantics/doctoralThesis
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
status_str draft
format doctoralThesis
dc.identifier.none.fl_str_mv http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/386
url http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/386
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Mar del Plata. Facultad de Ingeniería
publisher.none.fl_str_mv Universidad Nacional de Mar del Plata. Facultad de Ingeniería
dc.source.none.fl_str_mv reponame:Repositorio Institucional Facultad de Ingeniería - UNMDP
instname:Universidad Nacional de Mar del Plata. Facultad de Ingeniería
reponame_str Repositorio Institucional Facultad de Ingeniería - UNMDP
collection Repositorio Institucional Facultad de Ingeniería - UNMDP
instname_str Universidad Nacional de Mar del Plata. Facultad de Ingeniería
repository.name.fl_str_mv Repositorio Institucional Facultad de Ingeniería - UNMDP - Universidad Nacional de Mar del Plata. Facultad de Ingeniería
repository.mail.fl_str_mv josemrvs@fi.mdp.edu.ar
_version_ 1844623359735758848
score 12.559606