dc.contributor | Gutiérrez Cáceres, Juan Carlos | |
dc.date.accessioned | 2021-04-30T03:36:14Z | |
dc.date.accessioned | 2023-05-30T23:29:58Z | |
dc.date.available | 2021-04-30T03:36:14Z | |
dc.date.available | 2023-05-30T23:29:58Z | |
dc.date.created | 2021-04-30T03:36:14Z | |
dc.date.issued | 2021 | |
dc.identifier | 1073144 | |
dc.identifier | http://hdl.handle.net/20.500.12590/16729 | |
dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/6478520 | |
dc.description.abstract | El diagn´ostico temprano y la segmentaci´on precisa de los tumores cerebrales son imprescindibles para un tratamiento exitoso. Desafortunadamente,
la segmentaci´on manual es lenta, costosa y, a pesar de la amplia experiencia
humana, a menudo es inexacta. En este documento, presentamos una arquitectura para la segmentaci´on de tumores basado en im´agenes MRI utilizando
una red neuronal convolucional 3D regularizada con autoencoder. Entrenamos
el modelo con im´agenes Magnetic Resonance Imaging (MRI) segmentadas manualmente: T1, T1ce, T2 y Flair de 285 pacientes con tumores de gravedad,
tama˜no y ubicaci´on variables. Luego probamos el modelo utilizando datos independientes de 66 pacientes y segmentamos con ´exito los tumores cerebrales
en tres subregiones: el n´ucleo del tumor (TC), el tumor potenciador (ET) y
el tumor completo (WT). Tambi´en se explora pasos de preprocesamiento para
mejorar el rendimiento de la segmentaci´on. Es importante destacar que nuestro modelo se implement´o en una sola unidad gr´afica y, por lo tanto, optimiza
la segmentaci´on tumoral para un hardware ampliamente asequible. En resumen, se trata de presentar una soluci´on econ´omica y eficiente en memoria para
la segmentaci´on tumoral para respaldar el diagn´ostico preciso de los tumores
cerebrales. | |
dc.language | spa | |
dc.publisher | Universidad Católica San Pablo | |
dc.publisher | PE | |
dc.rights | https://creativecommons.org/licenses/by/4.0/ | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.source | Universidad Católica San Pablo | |
dc.source | Repositorio Institucional - UCSP | |
dc.subject | Tumores Cerebrales | |
dc.subject | Imágenes MRI | |
dc.subject | Aprendizaje Maquina | |
dc.subject | Redes Neuronales | |
dc.subject | Codificadores | |
dc.title | Segmentación 3D de tumores cerebrales eficiente en memoria | |
dc.type | info:eu-repo/semantics/bachelorThesis | |