Segmentación 3D de tumores cerebrales eficiente en memoria

Simple item page
dc.contributor.advisorGutiérrez Cáceres, Juan Carlos
dc.contributor.authorMaldonado Quispe, Percy
dc.date.accessioned2021-04-30T03:36:14Z
dc.date.available2021-04-30T03:36:14Z
dc.date.issued2021
dc.description.abstractEl diagnóstico temprano y la segmentación precisa de los tumores cerebrales son imprescindibles para un tratamiento exitoso. Desafortunadamente, la segmentación manual es lenta, costosa y, a pesar de la amplia experiencia humana, a menudo es inexacta. En este documento, presentamos una arquitectura para la segmentación de tumores basado en imágenes MRI utilizando una red neuronal convolucional 3D regularizada con autoencoder. Entrenamos el modelo con imágenes Magnetic Resonance Imaging (MRI) segmentadas manualmente: T1, T1ce, T2 y Flair de 285 pacientes con tumores de gravedad, tamaño y ubicación variables. Luego probamos el modelo utilizando datos independientes de 66 pacientes y segmentamos con éxito los tumores cerebrales en tres subregiones: el núcleo del tumor (TC), el tumor potenciador (ET) y el tumor completo (WT). También se exploran pasos de preprocesamiento para mejorar el rendimiento de la segmentación. Es importante destacar que nuestro modelo se implementó en una sola unidad gráfica y, por lo tanto, optimiza la segmentación tumoral para un hardware ampliamente asequible. En resumen, se trata de presentar una solución económica y eficiente en memoria para la segmentación tumoral para respaldar el diagnóstico preciso de los tumores cerebrales.es_PE
dc.description.uriTrabajo de investigaciónes_PE
dc.formatapplication/pdfes_PE
dc.identifier.other1073144
dc.identifier.urihttps://hdl.handle.net/20.500.12590/16729
dc.language.isospaes_PE
dc.publisherUniversidad Católica San Pabloes_PE
dc.publisher.countryPEes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/es_PE
dc.sourceUniversidad Católica San Pabloes_PE
dc.sourceRepositorio Institucional - UCSPes_PE
dc.subjectTumores Cerebraleses_PE
dc.subjectImágenes MRIes_PE
dc.subjectAprendizaje Maquinaes_PE
dc.subjectRedes Neuronaleses_PE
dc.subjectCodificadoreses_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.01es_PE
dc.titleSegmentación 3D de tumores cerebrales eficiente en memoriaes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
renati.advisor.dni30677357
renati.advisor.orcidhttps://orcid.org/0000-0001-6379-8695es_PE
renati.author.dni73388027
renati.discipline611016es_PE
renati.jurorEdward Jorge Yuri Cayllahua Cahuinaes_PE
renati.jurorGraciela Lecireth Meza Lovones_PE
renati.levelhttps://purl.org/pe-repo/renati/level#bachiller
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacion
thesis.degree.disciplineCiencia de la Computaciónes_PE
thesis.degree.grantorUniversidad Católica San Pablo. Departamento de Ciencia de la Computaciónes_PE
thesis.degree.levelBachilleres_PE
thesis.degree.nameBachiller en Ciencia de la Computaciónes_PE
thesis.degree.programPrograma Profesional de Ciencia de la Computaciónes_PE
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
MALDONADO_QUISPE_PER_SEG.pdf
Size:
979.96 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis - Ciencias de la Computación