Segmentación 3D de tumores cerebrales eficiente en memoria
Descripción del Articulo
El 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...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2022 |
| Institución: | Universidad Católica San Pablo |
| Repositorio: | UCSP-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.ucsp.edu.pe:20.500.12590/17366 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12590/17366 |
| Nivel de acceso: | acceso abierto |
| Materia: | Tumores cerebrales Imágenes MRI Aprendizaje maquina Redes neuronales Codificadores https://purl.org/pe-repo/ocde/ford#5.01.02 |
| id |
UCSP_f0b49e72a2c4bd8970afdfb3c059c30e |
|---|---|
| oai_identifier_str |
oai:repositorio.ucsp.edu.pe:20.500.12590/17366 |
| network_acronym_str |
UCSP |
| network_name_str |
UCSP-Institucional |
| repository_id_str |
3854 |
| dc.title.es_PE.fl_str_mv |
Segmentación 3D de tumores cerebrales eficiente en memoria |
| title |
Segmentación 3D de tumores cerebrales eficiente en memoria |
| spellingShingle |
Segmentación 3D de tumores cerebrales eficiente en memoria Maldonado Quispe, Percy Tumores cerebrales Imágenes MRI Aprendizaje maquina Redes neuronales Codificadores https://purl.org/pe-repo/ocde/ford#5.01.02 |
| title_short |
Segmentación 3D de tumores cerebrales eficiente en memoria |
| title_full |
Segmentación 3D de tumores cerebrales eficiente en memoria |
| title_fullStr |
Segmentación 3D de tumores cerebrales eficiente en memoria |
| title_full_unstemmed |
Segmentación 3D de tumores cerebrales eficiente en memoria |
| title_sort |
Segmentación 3D de tumores cerebrales eficiente en memoria |
| author |
Maldonado Quispe, Percy |
| author_facet |
Maldonado Quispe, Percy |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Gutiérrez Cáceres, Juan Carlos |
| dc.contributor.author.fl_str_mv |
Maldonado Quispe, Percy |
| dc.subject.es_PE.fl_str_mv |
Tumores cerebrales Imágenes MRI Aprendizaje maquina Redes neuronales Codificadores |
| topic |
Tumores cerebrales Imágenes MRI Aprendizaje maquina Redes neuronales Codificadores https://purl.org/pe-repo/ocde/ford#5.01.02 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#5.01.02 |
| description |
El 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 explora 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. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-12-14T17:19:29Z |
| dc.date.available.none.fl_str_mv |
2022-12-14T17:19:29Z |
| dc.date.issued.fl_str_mv |
2022 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.es_PE.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
bachelorThesis |
| status_str |
publishedVersion |
| dc.identifier.other.none.fl_str_mv |
1076012 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12590/17366 |
| identifier_str_mv |
1076012 |
| url |
https://hdl.handle.net/20.500.12590/17366 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.es_PE.fl_str_mv |
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.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad Católica San Pablo |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Universidad Católica San Pablo Repositorio Institucional - UCSP |
| dc.source.none.fl_str_mv |
reponame:UCSP-Institucional instname:Universidad Católica San Pablo instacron:UCSP |
| instname_str |
Universidad Católica San Pablo |
| instacron_str |
UCSP |
| institution |
UCSP |
| reponame_str |
UCSP-Institucional |
| collection |
UCSP-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/42e2ef4c-aa92-4d9f-ad6f-db77da14573a/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/0e838320-42e8-459f-8751-5619d96cc07d/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/9547a4f3-7d88-4e14-9963-e51924aa38ec/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/7665f991-a457-41d0-9002-386594c184bd/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/fd0aa478-3905-4402-b384-072f511d3873/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/ad43a5da-ac53-4fec-bd6d-6d87f996ecbd/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/43370831-4218-41d6-901c-6c11d97aa8fc/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/f271e512-1f07-47b2-869a-0b178fa94b35/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/b873ea2d-b835-4170-ae5e-acf5f07ad75e/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/c122b41e-09e9-4ea3-b427-10261cd71df1/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/2c9c298c-45e9-48fc-b4f9-764052f14b7a/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/51bc5d0a-77ce-4685-a2a5-34f4b68c1131/download https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/167f68a3-6ac6-45ba-b35b-c6d43a46fc02/download |
| bitstream.checksum.fl_str_mv |
c4c3a07ee270b11f0891a377d0e1a468 2b9e5f500dbfa874f3561a28bb8f2f22 50da75f5d3aa99090d68a82ec46842b2 289edde688d97007c1d7235cbaa51e68 8a4605be74aa9ea9d79846c1fba20a33 7fa4258bc5c36990b8e6b37d675ea350 9dfbff2791ab9d66128c1379865e342b fa9c7fa9cdb6b00af5713c8435a97be7 afe691c1f3931b48ef9c77cbfdae3210 aa93b400887209916b409bcf728b4b72 bb1b6e8a39463e8d6fc2e98f98a7acc4 c4c0e5db58659df99dbaf8d6d4e94315 be37cbe36b82d366832ae6b4f002da7e |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad Católica San Pablo |
| repository.mail.fl_str_mv |
dspace@ucsp.edu.pe |
| _version_ |
1851053049087262720 |
| spelling |
Gutiérrez Cáceres, Juan CarlosMaldonado Quispe, Percy2022-12-14T17:19:29Z2022-12-14T17:19:29Z20221076012https://hdl.handle.net/20.500.12590/17366El 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 explora 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.Tesisapplication/pdfspaUniversidad Católica San PabloPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Universidad Católica San PabloRepositorio Institucional - UCSPreponame:UCSP-Institucionalinstname:Universidad Católica San Pabloinstacron:UCSPTumores cerebralesImágenes MRIAprendizaje maquinaRedes neuronalesCodificadoreshttps://purl.org/pe-repo/ocde/ford#5.01.02Segmentación 3D de tumores cerebrales eficiente en memoriainfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDULicenciado en Ciencia de la ComputaciónUniversidad Católica San Pablo. Departamento de Ciencia de la ComputaciónTítulo ProfesionalCiencia de la ComputacónEscuela Profesional de Ciencia de la Computación73388027https://orcid.org/0000-0001-6379-869530677357https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#tituloProfesional611016Mora Colque, Rensso Victor HugoCayllahua Cahuina, Edward Jorge YuriORIGINALACTA_MALDONADO_QUISPE_PER.pdfACTA_MALDONADO_QUISPE_PER.pdfapplication/pdf759355https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/42e2ef4c-aa92-4d9f-ad6f-db77da14573a/downloadc4c3a07ee270b11f0891a377d0e1a468MD55TURNITIN_MALDONADO_QUISPE_PER.pdfTURNITIN_MALDONADO_QUISPE_PER.pdfapplication/pdf6609913https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/0e838320-42e8-459f-8751-5619d96cc07d/download2b9e5f500dbfa874f3561a28bb8f2f22MD58MALDONADO_QUISPE_PER_SEG.pdfMALDONADO_QUISPE_PER_SEG.pdfapplication/pdf1138952https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/9547a4f3-7d88-4e14-9963-e51924aa38ec/download50da75f5d3aa99090d68a82ec46842b2MD59QOLQA_MALDONADO_QUISPE_PER.pdfQOLQA_MALDONADO_QUISPE_PER.pdfapplication/pdf520694https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/7665f991-a457-41d0-9002-386594c184bd/download289edde688d97007c1d7235cbaa51e68MD510LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/fd0aa478-3905-4402-b384-072f511d3873/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTMALDONADO_QUISPE_PER_SEG.pdf.txtMALDONADO_QUISPE_PER_SEG.pdf.txtExtracted texttext/plain73868https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/ad43a5da-ac53-4fec-bd6d-6d87f996ecbd/download7fa4258bc5c36990b8e6b37d675ea350MD53TURNITIN_MALDONADO_QUISPE_PER.pdf.txtTURNITIN_MALDONADO_QUISPE_PER.pdf.txtExtracted texttext/plain5354https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/43370831-4218-41d6-901c-6c11d97aa8fc/download9dfbff2791ab9d66128c1379865e342bMD56ACTA_MALDONADO_QUISPE_PER.pdf.txtACTA_MALDONADO_QUISPE_PER.pdf.txtExtracted texttext/plain363https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/f271e512-1f07-47b2-869a-0b178fa94b35/downloadfa9c7fa9cdb6b00af5713c8435a97be7MD57QOLQA_MALDONADO_QUISPE_PER.pdf.txtQOLQA_MALDONADO_QUISPE_PER.pdf.txtExtracted texttext/plain1412https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/b873ea2d-b835-4170-ae5e-acf5f07ad75e/downloadafe691c1f3931b48ef9c77cbfdae3210MD511THUMBNAILACTA_MALDONADO_QUISPE_PER.pdf.jpgACTA_MALDONADO_QUISPE_PER.pdf.jpgGenerated Thumbnailimage/jpeg5088https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/c122b41e-09e9-4ea3-b427-10261cd71df1/downloadaa93b400887209916b409bcf728b4b72MD512TURNITIN_MALDONADO_QUISPE_PER.pdf.jpgTURNITIN_MALDONADO_QUISPE_PER.pdf.jpgGenerated Thumbnailimage/jpeg2599https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/2c9c298c-45e9-48fc-b4f9-764052f14b7a/downloadbb1b6e8a39463e8d6fc2e98f98a7acc4MD513MALDONADO_QUISPE_PER_SEG.pdf.jpgMALDONADO_QUISPE_PER_SEG.pdf.jpgGenerated Thumbnailimage/jpeg4597https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/51bc5d0a-77ce-4685-a2a5-34f4b68c1131/downloadc4c0e5db58659df99dbaf8d6d4e94315MD514QOLQA_MALDONADO_QUISPE_PER.pdf.jpgQOLQA_MALDONADO_QUISPE_PER.pdf.jpgGenerated Thumbnailimage/jpeg5891https://repositorio.ucsp.edu.pe/backend/api/core/bitstreams/167f68a3-6ac6-45ba-b35b-c6d43a46fc02/downloadbe37cbe36b82d366832ae6b4f002da7eMD51520.500.12590/17366oai:repositorio.ucsp.edu.pe:20.500.12590/173662023-07-26 01:23:01.002https://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessrestrictedhttps://repositorio.ucsp.edu.peRepositorio Institucional de la Universidad Católica San Pablodspace@ucsp.edu.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 |
| score |
13.446114 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
