Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial

Autores
Césari, Matilde
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión aceptada
Descripción
El análisis de las imágenes médicas facilita a los especialistas la visualización, caracterización, medición y diagnóstico de enfermedades y anomalías en el cuerpo humano. Muchos de los análisis imagenológicos se realizan hoy en día de manera manual y a criterio de los especialistas. Los conceptos de la detección de anomalías, han sido aplicados en muchos estudios de análisis de imágenes médicas. En estos casos, se trata de encontrar anomalías asociadas a varias partes del cuerpo como pueden ser hemorragias, fracturas, sangramientos, tumores, etc. En dichos estudios suelen emplearse varias modalidades de adquisición de imágenes como son la resonancia magnética (RM), los rayos X, la tomografía computarizada (TC), entre otras. El análisis de los cambios estructurales del cerebro a través de IRM puede proveer información útil para el diagnóstico médico. La adquisición de IRM, es una técnica no invasiva que utiliza el fenómeno de la resonancia magnética para obtener información detallada sobre la estructura y composición del cuerpo. La Imágenes de Resonancia Magnética (IRM), es utilizada en la actualidad, principalmente en medicina para observar alteraciones en los tejidos y detectar cáncer y otras patologías. La tarea de reconocimiento de patrones en imágenes, requiere de aprendizaje y de funciones apropiadas de clasificación, que asignen un determinado parámetro de entrada que por lo general es representado con un vector que contiene los atributos de cada una de las clases. De las imágenes se extraen regiones de tejidos sanos las cuales se usan para crear un modelo de lo que se considera normal (modelo de fondo) obteniendo varias clases “normales‘. En el presente trabajo se propone un esquema que ayude al acondicionamiento de la imagen para ser evaluada médicamente y finalizar con la extracción de características de la misma utilizando esta información para determinar anomalías asociadas a ciertas patologías neuronales.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza, Argentina
Materia
Anomalías en imágenes médicas, Técnicas de procesamiento digital de imagen, Segmentación y extracción de características, Herramienta Fii ImagenJ
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2024-10-18T11:54:44Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/11642
Acceder
id RIAUTN_63ecfda6051c82877b4cf9fe71430290
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/11642
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificialCésari, MatildeAnomalías en imágenes médicas, Técnicas de procesamiento digital de imagen, Segmentación y extracción de características, Herramienta Fii ImagenJEl análisis de las imágenes médicas facilita a los especialistas la visualización, caracterización, medición y diagnóstico de enfermedades y anomalías en el cuerpo humano. Muchos de los análisis imagenológicos se realizan hoy en día de manera manual y a criterio de los especialistas. Los conceptos de la detección de anomalías, han sido aplicados en muchos estudios de análisis de imágenes médicas. En estos casos, se trata de encontrar anomalías asociadas a varias partes del cuerpo como pueden ser hemorragias, fracturas, sangramientos, tumores, etc. En dichos estudios suelen emplearse varias modalidades de adquisición de imágenes como son la resonancia magnética (RM), los rayos X, la tomografía computarizada (TC), entre otras. El análisis de los cambios estructurales del cerebro a través de IRM puede proveer información útil para el diagnóstico médico. La adquisición de IRM, es una técnica no invasiva que utiliza el fenómeno de la resonancia magnética para obtener información detallada sobre la estructura y composición del cuerpo. La Imágenes de Resonancia Magnética (IRM), es utilizada en la actualidad, principalmente en medicina para observar alteraciones en los tejidos y detectar cáncer y otras patologías. La tarea de reconocimiento de patrones en imágenes, requiere de aprendizaje y de funciones apropiadas de clasificación, que asignen un determinado parámetro de entrada que por lo general es representado con un vector que contiene los atributos de cada una de las clases. De las imágenes se extraen regiones de tejidos sanos las cuales se usan para crear un modelo de lo que se considera normal (modelo de fondo) obteniendo varias clases “normales‘. En el presente trabajo se propone un esquema que ayude al acondicionamiento de la imagen para ser evaluada médicamente y finalizar con la extracción de características de la misma utilizando esta información para determinar anomalías asociadas a ciertas patologías neuronales.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza, Argentina2024-10-18T11:54:44Z2024-10-18T11:54:44Z2022-12-01info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfInforme de avancehttp://hdl.handle.net/20.500.12272/11642*spaCCUTIME0005279TCinfo:eu-repo/semantics/openAccess2024-10-18T11:54:44Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaCC BY-NC-ND (Autoría – No Comercial - No derivadas)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:38Zoai:ria.utn.edu.ar:20.500.12272/11642instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:44:39.399Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
title Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
spellingShingle Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
Césari, Matilde
Anomalías en imágenes médicas, Técnicas de procesamiento digital de imagen, Segmentación y extracción de características, Herramienta Fii ImagenJ
title_short Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
title_full Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
title_fullStr Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
title_full_unstemmed Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
title_sort Estudio de técnicas de reconocimiento de patrones para detección de anomalías en imágenes médicas, mediante métodos multivariados y técnicas de inteligencia artificial
dc.creator.none.fl_str_mv Césari, Matilde
author Césari, Matilde
author_facet Césari, Matilde
author_role author
dc.subject.none.fl_str_mv Anomalías en imágenes médicas, Técnicas de procesamiento digital de imagen, Segmentación y extracción de características, Herramienta Fii ImagenJ
topic Anomalías en imágenes médicas, Técnicas de procesamiento digital de imagen, Segmentación y extracción de características, Herramienta Fii ImagenJ
dc.description.none.fl_txt_mv El análisis de las imágenes médicas facilita a los especialistas la visualización, caracterización, medición y diagnóstico de enfermedades y anomalías en el cuerpo humano. Muchos de los análisis imagenológicos se realizan hoy en día de manera manual y a criterio de los especialistas. Los conceptos de la detección de anomalías, han sido aplicados en muchos estudios de análisis de imágenes médicas. En estos casos, se trata de encontrar anomalías asociadas a varias partes del cuerpo como pueden ser hemorragias, fracturas, sangramientos, tumores, etc. En dichos estudios suelen emplearse varias modalidades de adquisición de imágenes como son la resonancia magnética (RM), los rayos X, la tomografía computarizada (TC), entre otras. El análisis de los cambios estructurales del cerebro a través de IRM puede proveer información útil para el diagnóstico médico. La adquisición de IRM, es una técnica no invasiva que utiliza el fenómeno de la resonancia magnética para obtener información detallada sobre la estructura y composición del cuerpo. La Imágenes de Resonancia Magnética (IRM), es utilizada en la actualidad, principalmente en medicina para observar alteraciones en los tejidos y detectar cáncer y otras patologías. La tarea de reconocimiento de patrones en imágenes, requiere de aprendizaje y de funciones apropiadas de clasificación, que asignen un determinado parámetro de entrada que por lo general es representado con un vector que contiene los atributos de cada una de las clases. De las imágenes se extraen regiones de tejidos sanos las cuales se usan para crear un modelo de lo que se considera normal (modelo de fondo) obteniendo varias clases “normales‘. En el presente trabajo se propone un esquema que ayude al acondicionamiento de la imagen para ser evaluada médicamente y finalizar con la extracción de características de la misma utilizando esta información para determinar anomalías asociadas a ciertas patologías neuronales.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza, Argentina
description El análisis de las imágenes médicas facilita a los especialistas la visualización, caracterización, medición y diagnóstico de enfermedades y anomalías en el cuerpo humano. Muchos de los análisis imagenológicos se realizan hoy en día de manera manual y a criterio de los especialistas. Los conceptos de la detección de anomalías, han sido aplicados en muchos estudios de análisis de imágenes médicas. En estos casos, se trata de encontrar anomalías asociadas a varias partes del cuerpo como pueden ser hemorragias, fracturas, sangramientos, tumores, etc. En dichos estudios suelen emplearse varias modalidades de adquisición de imágenes como son la resonancia magnética (RM), los rayos X, la tomografía computarizada (TC), entre otras. El análisis de los cambios estructurales del cerebro a través de IRM puede proveer información útil para el diagnóstico médico. La adquisición de IRM, es una técnica no invasiva que utiliza el fenómeno de la resonancia magnética para obtener información detallada sobre la estructura y composición del cuerpo. La Imágenes de Resonancia Magnética (IRM), es utilizada en la actualidad, principalmente en medicina para observar alteraciones en los tejidos y detectar cáncer y otras patologías. La tarea de reconocimiento de patrones en imágenes, requiere de aprendizaje y de funciones apropiadas de clasificación, que asignen un determinado parámetro de entrada que por lo general es representado con un vector que contiene los atributos de cada una de las clases. De las imágenes se extraen regiones de tejidos sanos las cuales se usan para crear un modelo de lo que se considera normal (modelo de fondo) obteniendo varias clases “normales‘. En el presente trabajo se propone un esquema que ayude al acondicionamiento de la imagen para ser evaluada médicamente y finalizar con la extracción de características de la misma utilizando esta información para determinar anomalías asociadas a ciertas patologías neuronales.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-01
2024-10-18T11:54:44Z
2024-10-18T11:54:44Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str acceptedVersion
dc.identifier.none.fl_str_mv Informe de avance
http://hdl.handle.net/20.500.12272/11642
*
identifier_str_mv Informe de avance
*
url http://hdl.handle.net/20.500.12272/11642
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv CCUTIME0005279TC
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2024-10-18T11:54:44Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
CC BY-NC-ND (Autoría – No Comercial - No derivadas)
eu_rights_str_mv openAccess
rights_invalid_str_mv 2024-10-18T11:54:44Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
CC BY-NC-ND (Autoría – No Comercial - No derivadas)
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230885232705536
score 13.265058

Publicaciones similares