Darmic: dataset argentino de imágenes de resonancia magnética cardiaca

Autores
Serafino, Sandra Esther; Cintora, Federico; Cicerchia, Lucas Benjamín; Ramón, Hugo Dionisio; Argento, Facundo; Prats, Luis; Bruno, Ezequiel; Uribe Curapil, Elías
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Este proyecto de investigación interdisciplinario surge a partir de la consulta de especialistas en diagnóstico por estas imágenes de resonancia magnética cardíaca. El proceso de segmentación de imágenes para cuantificación de cavidades y el cálculo de variables de relevancia clínica son muy importantes a la hora de interpretar el estudio y generar el reporte por parte del médico informante. Por otra parte, el análisis cuantitativo del movimiento y la deformación miocárdica a partir de RMC han emergido en los últimos años como elemento fundamental para la detección precoz de múltiples patologías, con sensibilidad superior al análisis subjetivo o semicuantitativo realizado en la práctica habitual. El problema que enfrentan los médicos es la complejidad, el tiempo de desarrollo de cada uno de estos estudios y la variabilidad inter observador. El objetivo principal de esta propuesta es generar un conjunto normalizado de imágenes de diagnóstico de enfermedades del corazón que cumpla con ser de pacientes argentinos, multicéntrico, multimarca, multi operador y multi diagnóstico (patológicos y normales), con la finalidad de entrenar redes neuronales que permitan predecir, cuantificar y calificar datos que sirvan para optimizar las herramientas de diagnóstico clínico y mejorar la calidad de la información disponible en la consulta del paciente.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Dataset
Imágenes médicas
Procesamiento digital
Inteligencia artificial
CNN
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195675
Acceder
id SEDICI_8409c7807cae91723ba2ef41e0334768
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195675
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Darmic: dataset argentino de imágenes de resonancia magnética cardiacaSerafino, Sandra EstherCintora, FedericoCicerchia, Lucas BenjamínRamón, Hugo DionisioArgento, FacundoPrats, LuisBruno, EzequielUribe Curapil, ElíasCiencias InformáticasDatasetImágenes médicasProcesamiento digitalInteligencia artificialCNNEste proyecto de investigación interdisciplinario surge a partir de la consulta de especialistas en diagnóstico por estas imágenes de resonancia magnética cardíaca. El proceso de segmentación de imágenes para cuantificación de cavidades y el cálculo de variables de relevancia clínica son muy importantes a la hora de interpretar el estudio y generar el reporte por parte del médico informante. Por otra parte, el análisis cuantitativo del movimiento y la deformación miocárdica a partir de RMC han emergido en los últimos años como elemento fundamental para la detección precoz de múltiples patologías, con sensibilidad superior al análisis subjetivo o semicuantitativo realizado en la práctica habitual. El problema que enfrentan los médicos es la complejidad, el tiempo de desarrollo de cada uno de estos estudios y la variabilidad inter observador. El objetivo principal de esta propuesta es generar un conjunto normalizado de imágenes de diagnóstico de enfermedades del corazón que cumpla con ser de pacientes argentinos, multicéntrico, multimarca, multi operador y multi diagnóstico (patológicos y normales), con la finalidad de entrenar redes neuronales que permitan predecir, cuantificar y calificar datos que sirvan para optimizar las herramientas de diagnóstico clínico y mejorar la calidad de la información disponible en la consulta del paciente.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf71-74http://sedici.unlp.edu.ar/handle/10915/195675spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195675Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.74SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
title Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
spellingShingle Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
Serafino, Sandra Esther
Ciencias Informáticas
Dataset
Imágenes médicas
Procesamiento digital
Inteligencia artificial
CNN
title_short Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
title_full Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
title_fullStr Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
title_full_unstemmed Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
title_sort Darmic: dataset argentino de imágenes de resonancia magnética cardiaca
dc.creator.none.fl_str_mv Serafino, Sandra Esther
Cintora, Federico
Cicerchia, Lucas Benjamín
Ramón, Hugo Dionisio
Argento, Facundo
Prats, Luis
Bruno, Ezequiel
Uribe Curapil, Elías
author Serafino, Sandra Esther
author_facet Serafino, Sandra Esther
Cintora, Federico
Cicerchia, Lucas Benjamín
Ramón, Hugo Dionisio
Argento, Facundo
Prats, Luis
Bruno, Ezequiel
Uribe Curapil, Elías
author_role author
author2 Cintora, Federico
Cicerchia, Lucas Benjamín
Ramón, Hugo Dionisio
Argento, Facundo
Prats, Luis
Bruno, Ezequiel
Uribe Curapil, Elías
author2_role author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Dataset
Imágenes médicas
Procesamiento digital
Inteligencia artificial
CNN
topic Ciencias Informáticas
Dataset
Imágenes médicas
Procesamiento digital
Inteligencia artificial
CNN
dc.description.none.fl_txt_mv Este proyecto de investigación interdisciplinario surge a partir de la consulta de especialistas en diagnóstico por estas imágenes de resonancia magnética cardíaca. El proceso de segmentación de imágenes para cuantificación de cavidades y el cálculo de variables de relevancia clínica son muy importantes a la hora de interpretar el estudio y generar el reporte por parte del médico informante. Por otra parte, el análisis cuantitativo del movimiento y la deformación miocárdica a partir de RMC han emergido en los últimos años como elemento fundamental para la detección precoz de múltiples patologías, con sensibilidad superior al análisis subjetivo o semicuantitativo realizado en la práctica habitual. El problema que enfrentan los médicos es la complejidad, el tiempo de desarrollo de cada uno de estos estudios y la variabilidad inter observador. El objetivo principal de esta propuesta es generar un conjunto normalizado de imágenes de diagnóstico de enfermedades del corazón que cumpla con ser de pacientes argentinos, multicéntrico, multimarca, multi operador y multi diagnóstico (patológicos y normales), con la finalidad de entrenar redes neuronales que permitan predecir, cuantificar y calificar datos que sirvan para optimizar las herramientas de diagnóstico clínico y mejorar la calidad de la información disponible en la consulta del paciente.
Red de Universidades con Carreras en Informática
description Este proyecto de investigación interdisciplinario surge a partir de la consulta de especialistas en diagnóstico por estas imágenes de resonancia magnética cardíaca. El proceso de segmentación de imágenes para cuantificación de cavidades y el cálculo de variables de relevancia clínica son muy importantes a la hora de interpretar el estudio y generar el reporte por parte del médico informante. Por otra parte, el análisis cuantitativo del movimiento y la deformación miocárdica a partir de RMC han emergido en los últimos años como elemento fundamental para la detección precoz de múltiples patologías, con sensibilidad superior al análisis subjetivo o semicuantitativo realizado en la práctica habitual. El problema que enfrentan los médicos es la complejidad, el tiempo de desarrollo de cada uno de estos estudios y la variabilidad inter observador. El objetivo principal de esta propuesta es generar un conjunto normalizado de imágenes de diagnóstico de enfermedades del corazón que cumpla con ser de pacientes argentinos, multicéntrico, multimarca, multi operador y multi diagnóstico (patológicos y normales), con la finalidad de entrenar redes neuronales que permitan predecir, cuantificar y calificar datos que sirvan para optimizar las herramientas de diagnóstico clínico y mejorar la calidad de la información disponible en la consulta del paciente.
publishDate 2026
dc.date.none.fl_str_mv 2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/195675
url http://sedici.unlp.edu.ar/handle/10915/195675
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7
info:eu-repo/semantics/reference/hdl/10915/195432
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
71-74
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982611616989184
score 13.364332

Publicaciones similares