dc.contributorFranco Arias, Manuel Hernando
dc.contributorFranco Arias, Manuel Hernando [0001427755]
dc.creatorRamirez Gualdrón, David
dc.creatorChahin Garcia, Valeria
dc.creatorLeón Torres, Madeleyne
dc.date.accessioned2023-06-20T03:44:13Z
dc.date.accessioned2023-09-06T15:32:09Z
dc.date.available2023-06-20T03:44:13Z
dc.date.available2023-09-06T15:32:09Z
dc.date.created2023-06-20T03:44:13Z
dc.date.issued2023-05-19
dc.identifierhttp://hdl.handle.net/20.500.12749/20322
dc.identifierinstname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifierreponame:Repositorio Institucional UNAB
dc.identifierrepourl:https://repository.unab.edu.co
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8682191
dc.description.abstractLas angiografías son procedimientos radiológicos utilizados para la detección de anomalías en los vasos sanguíneos del cuerpo humano, con el fin de brindar la información necesaria para el correcto tratamiento médico del paciente; estos procedimientos se realizan por medio de los equipos de Rayos X utilizados por el personal de radiología en las instituciones de salud, estos equipos tienen como función permitir la visualización de irregularidades, lesiones y/o enfermedades en el interior del cuerpo humano, generando así imágenes en escala de grises que se dan por la cantidad de radiación que absorben los tejidos, en las angiografías se utiliza una inyección de contraste que permite evidenciar la dirección y flujo de sangre por los vasos sanguíneos. Por consiguiente, se desarrolló un software para detectar artefactos presentes en angiografías mediante técnicas de procesamiento de imágenes e inteligencia artificial utilizando Python. Este software se realizó con la implementación de las distintas técnicas de inteligencia artificial y procesamiento de imágenes con la base de datos de las imágenes de las angiografías, estas técnicas fueron ResNet-18 para inteligencia artificial y para las técnicas de procesamiento de imágenes fueron las de binarización, normalización, filtro de ruido, entro otras. Las cuales permitieron la detección de artefactos que llegan a estar presentas en la imagen de angiografías, y así evitando que se llegan a dar diagnósticos errados.
dc.languagespa
dc.publisherUniversidad Autónoma de Bucaramanga UNAB
dc.publisherFacultad Ingeniería
dc.publisherPregrado Ingeniería Biomédica
dc.relationPourasad, Y., & Cavallaro, F. (2021). A Novel Image Processing Approach to Enhancement and Compression of X-ray Images. International journal of environmental research and public health, 18(13), 6724. https://doi.org/10.3390/ijerph18136724
dc.relationHirata, K., Utsunomiya, D., Kidoh, M., Funama, Y., Oda, S., Yuki, H., Nagayama, Y., Iyama, Y., Nakaura, T., Sakabe, D., Tsujita, K., & Yamashita, Y. (2018). Tradeoff between noise reduction and inartificial visualization in a model-based iterative reconstruction algorithm on coronary computed tomography angiography. Medicine, 97(20), e10810. https://doi.org/10.1097/MD.0000000000010810
dc.relationP.Sartoria, M. L. (2015). Artefactos y artificios frecuentes en tomografía computada y resonancia magnética. Buenos aires: Revista argentina de radiología https://www.elsevier.es/es-revista-revista-argentina-radiologia-383-pdf- S0048761915000794
dc.relationRobertson, S., Azizpour, H., Smith, K., & Hartman, J. (2018). Digital image analysis in breast pathology-from image processing techniques to artificial intelligence. Translational research : the journal of laboratory and clinical medicine, 194, 19–35. https://doi.org/10.1016/j.trsl.2017.10.010
dc.relationNicolato A, Vittore C. Un nuovo mezzo di contrasto per agiografia [A new contrast medium for angiography]. (Radiol Med. 1969) https://pubmed.ncbi.nlm.nih.gov/5201388/
dc.relationSartori, P., & Rozowykniat, M., & Siviero, L., & Barba, G., & Peña, A., & Mayol, N., & Acosta, D., & Castro, J., & Ortiz, A. (2015). Artefactos y artificios frecuentes en tomografía computada y resonancia magnética. Revista Argentina de Radiología,79(4),192-204. Fecha de Consulta: 24 de agosto de 2021. ISSN: 1852- 9992. Disponible en: https://www.redalyc.org/articulo.oa?id=382543178003
dc.relationManuel Barreiro Perez. (s. f.). Análisis de la utilidad clínica de la angiografía coronaria no invasiva realizada con tomografía computarizada para descartar cardiopatia. https://digibuo.uniovi.es/dspace/bitstream/handle/10651/34878/TD_ManuelBarreiro .pdf?sequence=1&isAllowed=y
dc.relationKocak, M. (2017, abril). Angiografía. Manual MSD. Recuperado 1 de septiembre de 2022, de https://www.msdmanuals.com/es/professional/temas-especiales/principios- de-estudios-por-la-imagen-radiol%C3%B3gicas/angiograf%C3%ADa
dc.relationONS. (2013). Enfermedades cardiovasculares. Instituto Nacional de salud. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/IA/INS/Boletin -tecnico-1-ONS.pdf
dc.relationSalud, O. M. (2017). Enfermedades cardiovasculares. Organización Mundial de la Salud. https://www.who.int/es/health-topics/cardiovascular-diseases#tab=tab_1
dc.relationDavid, A., Ray, A., Hermet, P. L., Quieffin, F., & D'Assignies, G. (2019). Reduction of metallic coil artifacts in CT angiography with metal artefact reduction (MAR) algorithm. Diagnostic and interventional imaging, 100(6), 381–382. https://doi.org/10.1016/j.diii.2019.02.002
dc.relationDominguez, A. (2002). Procesamiento digital de imágenes . Perfiles educativos.
dc.relationShen, D., Wu, G., & Suk, H. I. (2017). Deep Learning in Medical Image Analysis. Annual review of biomedical engineering, 19, 221–248. https://doi.org/10.1146/annurev-bioeng-071516-044442
dc.relationGao, Y., Song, Y., Yin, X., Wu, W., Zhang, L., Chen, Y., & Shi, W. (2019). Deep learning-based digital subtraction angiography image generation. International journal of computer assisted radiology and surgery, 14(10), 1775–1784. https://doi.org/10.1007/s11548-019-02040-x
dc.relationGonzález Oliveros, N. A. (2017, 24 mayo). Rayos X. IRRHACTM. Recuperado 1 de septiembre de 2022, de https://hctmrussi.wordpress.com/2017/05/24/rayos-x- gonzalez-oliveros/
dc.relationResolución 8430 (1993). Fecha de Consulta: 17 de octubre de 2022. Disponible en: https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/RESO LUCION-8430-DE-1993.PDF
dc.relationCongreso de la República. (1982). Ley 23 del 28 de enero de 1982. Sobre Derechos de Autor. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3431#:~:text =Esta%20Ley%20protege%20exclusivamente%20la,obras%20literarias%2C%20cie ntíficas%20y%20artísticas.
dc.relationCongreso de la República. (1993). Ley 44 del 5 de febrero de 1993. Por La Cual Se Modifica y Adiciona La Ley 23 de 1982 y Se Modifica La Ley 29 de 1944. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3429
dc.relationPourasad, Y., & Cavallaro, F. (2021). A Novel Image Processing Approach to Enhancement and Compression of X-ray Images. International journal of environmental research and public health, 18(13), 6724. https://doi.org/10.3390/ijerph18136724
dc.relationP.Sartoria, M. L. (2015). Artefactos y artificios frecuentes en tomografía computada y resonancia magnética. Buenos aires : Revista argentina de radiología https://www.elsevier.es/es-revista-revista-argentina-radiologia-383-pdf- S0048761915000794
dc.relationRobertson, S., Azizpour, H., Smith, K., & Hartman, J. (2018). Digital image analysis in breast pathology-from image processing techniques to artificial intelligence. Translational research : the journal of laboratory and clinical medicine, 194, 19–35. https://doi.org/10.1016/j.trsl.2017.10.010
dc.relationNicolato A, Vittore C. Un nuovo mezzo di contrasto per agiografia [A new contrast medium for angiography]. (Radiol Med. 1969) https://pubmed.ncbi.nlm.nih.gov/5201388/
dc.relationSartori, P., & Rozowykniat, M., & Siviero, L., & Barba, G., & Peña, A., & Mayol, N., & Acosta, D., & Castro, J., & Ortiz, A. (2015).Artefactos y artificios frecuentes en tomografía computada y resonancia magnética. Revista Argentina de Radiología,79(4),192-204. Fecha de Consulta: 24 de agosto de 2021. ISSN: 1852- 9992. Disponible en: https://www.redalyc.org/articulo.oa?id=382543178003
dc.relationManuel Barreiro Perez. (s. f.). Análisis de la utilidad clínica de la angiografía coronaria no invasiva realizada con tomografía computarizada para descartar cardiopatia. https://digibuo.uniovi.es/dspace/bitstream/handle/10651/34878/TD_ManuelBarreiro .pdf?sequence=1&isAllowed=y
dc.relationKocak, M. (2017, abril). Angiografía. Manual MSD. Recuperado 1 de septiembre de 2022, de https://www.msdmanuals.com/es/professional/temas-especiales/principios- de-estudios-por-la-imagen-radiol%C3%B3gicas/angiograf%C3%ADa
dc.relationONS. (2013). Enfermedades cardiovasculares. Instituto Nacional de salud. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/IA/INS/Boletin -tecnico-1-ONS.pdf
dc.relationAlexnet. (s/f). Mathworks.com. Recuperado el 28 de abril de 2023, de https://es.mathworks.com/help/deeplearning/ref/alexnet.html
dc.relationResearchgate.net. Recuperado el 28 de abril de 2023, de https://www.researchgate.net/figure/Figura-218-Izquierda-modulo-ResNet-Derecha- modulo-ResNeXt-k-32-Fuente-Xie-y_fig9_339828215
dc.relationinceptionv3. (s/f). Mathworks.com. Recuperado el 28 de abril de 2023, de https://la.mathworks.com/help/deeplearning/ref/inceptionv3.html
dc.relationResNet-18 (s/f). Mathworks.com. Recuperado el 28 de abril de 2023, de https://es.mathworks.com/help/deeplearning/ref/resnet18.html
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightsAbierto (Texto Completo)
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.titleSistema de detección de artefactos en angiografías mediante técnicas de procesamiento de imágenes e inteligencia artificial


Este ítem pertenece a la siguiente institución