Por favor, use este identificador para citar o enlazar este ítem:
https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5529Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Mogotocoro Gelvez, Oscar Julián. | - |
| dc.date.accessioned | 2022-12-16T20:49:43Z | - |
| dc.date.available | 2022-03-20 | - |
| dc.date.available | 2022-12-16T20:49:43Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Mogotocoro Gélvez, O. J. (2021). Clasificación de tumores cerebral Meningioma, Glioma, Pituitary a partir de imágenes de resonancia magnética mediante Wavelet e inteligencia artificial en Raspberry PI4 [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5529 | es_CO |
| dc.identifier.uri | http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5529 | - |
| dc.description | La clasificación de los tumores cerebrales se realiza mediante biopsia, que no suele realizarse antes de la cirugía cerebral definitiva. La mejora de la tecnología y el aprendizaje automático puede ayudar a los radiólogos en el diagnóstico de tumores sin medidas invasivas [1]. Este proyecto está enfocado en clasificar 3 tipos de tumor cerebral a partir de imágenes de resonancia magnética, mediante técnicas matemáticas como lo son el análisis de señales con transformada de wavelet, y aplicación de técnicas de inteligencia artificial con el fin de diferenciar 3 tipos de tumor cerebral, tumor meningioma, tumor glioma, tumor pituitary, el sistema se desarrollará mediante 4 fases principales las cuales son: adquisición de imágenes de resonancia magnética potenciadas con contraste ponderadas en T1, procesamiento de imágenes, reconocimiento de los tipos de tumor, e implementación del método basado en inteligencia artificial. En la fase de adquisición de datos se recolectarán imágenes de los 3 tipos de tumor cerebral esta base de datos se obtendrá a partir de consultas bibliográficas y de páginas web la cual pretende contribuir en la fase de procesamiento de imágenes. En la fase de procesamiento de imágenes se reconocerán patrones característicos de cada tipo de tumor y se acudirá a técnicas de inteligencia artificial para lograr clasificar los 3 tipos de tumor. En la fase de reconocimiento de los tipos de tumor se validarán los métodos de inteligencia artificial que logran diferenciar los 3 tipos de tumor, en la fase de implementación del sistema se creará una interfaz gráfica amigable con el radiólogo escrita en Python y asequible desde la Raspberry pi4. | es_CO |
| dc.description.abstract | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.format.extent | 116 | es_CO |
| dc.format.mimetype | application/pdf | es_CO |
| dc.language.iso | es | es_CO |
| dc.publisher | Universidad de Pamplona- Facultad de Ingenierías y Arquitectura. | es_CO |
| dc.subject | Redes neurales. | es_CO |
| dc.subject | Wavelet. | es_CO |
| dc.subject | Tumor cerebral. | es_CO |
| dc.subject | Inteligencia artificial. | es_CO |
| dc.subject | Resonancia magnética. | es_CO |
| dc.subject | Raspberry PI4. | es_CO |
| dc.title | Clasificación de tumores cerebral Meningioma, Glioma, Pituitary a partir de imágenes de resonancia magnética mediante Wavelet e inteligencia artificial en Raspberry PI4. | es_CO |
| dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
| dc.date.accepted | 2021-12-20 | - |
| dc.relation.references | Badža, M.M.; Barjaktarović, M.Č. Classification of Brain Tumors from MRI Images Using a Convolutional Neural Network. Appl. Sci. 2020, 10, 1999. https://doi.org/10.3390/app10061999. | es_CO |
| dc.relation.references | Organización Mundial de la Salud — Cáncer. [en línea]. https://www.who.int/news room/fact-sheets/detail/cancer. (fecha de Consulta 5 de noviembre de 2019). | es_CO |
| dc.relation.references | Priya, VV Un enfoque de segmentación eficiente para la detección de tumores cerebrales en resonancia magnética. Indian J. Sci. Technol. 2016, 9, 1–6. [Google Académico]. | es_CO |
| dc.relation.references | Benet, M, Resonancia magnética de tumores cerebrales para la caracterización y clasificación de distintas regiones de interés: [en línea]. https://riunet.upv.es/bitstream/handle/10251/67519/35593872_TFG_146773757656 65180638801430301192.pdf?sequence=2&isAllowed=y (fecha de consulta el 12 de noviembre de 2020). | es_CO |
| dc.relation.references | Afshar, P. Plataniotis, KN. Mohammadi, A. Redes de cápsulas para la clasificación de tumores cerebrales basada en imágenes de resonancia magnética y límites de tumores gruesos. En Actas de la Conferencia Internacional de IEEE sobre Acústica, Habla y Procesamiento de Señales (ICASSP) de ICASSP 2019-2019, Brighton, Reino Unido, 12-17 de mayo de 2019; págs. 1368-1372. [Google Académico]. | es_CO |
| dc.relation.references | Portable Ultrasound Enables Anytime, Anywhere Imaging. Available online: https://healthtechmagazine.net/article/2018/07/portable-ultrasound enables-anytime anywhere-imaging (accessed on 3 February 2020) | es_CO |
| dc.relation.references | Gil, C. M. (s.f.). Mapfre salud. Pruebas diagnósticas por imágenes: [en línea]. http://www.mapfre.es/salud/es/cinformativo/resonanciasmagneticas (fecha de consulta el 12 de noviembre de 2020). | es_CO |
| dc.relation.references | https://www.mayoclinic.org/es-es/diseases-conditions/glioma/symptoms-causes/syc 20350251 (fecha de consulta el 12 de noviembre de 2021). | es_CO |
| dc.relation.references | Domínguez Torres, Alejandro Procesamiento digital de imágenes. Perfiles Educativos [en línea]. 1996, (72), [fecha de Consulta 15 de marzo de 2021]. ISSN: 0185-2698. Disponible en: https://www.redalyc.org/articulo.oa?id=13207206 . | es_CO |
| dc.relation.references | Hardy, Thomas (IA: Inteligencia Artificial). POLIS, Revista Latinoamericana [en línea]. 2001, 1(2), 0ISSN: 0717-6554. Disponible en: https://www.redalyc.org/articulo.oa?id=30500219. [fecha de Consulta 12 de marzo de 2021] | es_CO |
| dc.relation.references | Raspberry Pi, [en línea]. Available: https://www.raspberrypi.org/education/. [acceso:10/03/2021]. | es_CO |
| dc.relation.references | Sajjad, M. Khan, S. Muhammad, K. Wu, W. Ullah, A. Baik, SW Clasificación de tumores cerebrales multigrado utilizando CNN profundo con amplio aumento de datos. J. Comput. Sci. 2019, 30, 174–182. [ Google Académico] [CrossRef]. | es_CO |
| dc.relation.references | M. Sinning, “Clasificación De Los Tumores Cerebrales,” Rev. Médica Clínica Las Condes, vol. 28, no. 3, pp. 339–342, 2017, doi: 10.1016/j.rmclc.2017.05.002 | es_CO |
| dc.relation.references | H. Mohsen, E.-S. A. El-Dahshan, E.-S. M. El-Horbaty, and A.-B. M. Salem, “Classification using deep learning neural networks for brain tumors,” Futur. Comput. Informatics J., vol. 3, no. 1, pp. 68–71, 2018, doi: 10.1016/j.fcij.2017.12.001. | es_CO |
| dc.relation.references | A. Çinar and M. Yildirim, “Detection of tumors on brain MRI images using the hybrid convolutional neural network architecture,” Med. Hypotheses, vol. 139, no. February, p. 109684, 2020, doi: 10.1016/j.mehy.2020.109684 | es_CO |
| dc.relation.references | “American Cancer Society.” https://www.cancer.org/es/cancer/tumores-de-encefalo o-de-medula-espinal/deteccion-diagnostico-clasificacion-por-etapas/como-se diagnostica.html (accessed Oct. 19, 20 | es_CO |
| dc.relation.references | “National Institutes Of Health.” https://salud.nih.gov/articulo/detectar-tumores cerebrales/(accessed Oct. 19 | es_CO |
| dc.relation.references | “biblioteca nacional de medicina de los Estados Unidos.” https://medlineplus.gov/spanish/braintumors.html (accessed Oct. 19, 2021). | es_CO |
| dc.relation.references | D. Torres, “Procesamiento digital de imágenes,” Perfiles Educ., no. 72, 1996. | es_CO |
| dc.relation.references | Haar A. Zur Theory orthogonal Function Systems', Mathematische Annalen, 69, pp 331–371, 1910. | es_CO |
| dc.relation.references | “mathwords página oficial de matlab.” https://la.mathworks.com/products/matlab.html (accessed Nov. 11, 2021). | es_CO |
| dc.relation.references | "Aprende Machine Learning Teoria + Practica" disponible en: https://leanpub.com/aprendeml/ | es_CO |
| dc.relation.references | “Información de Google colab disponible en su página oficial”: https://colab.research.google.com/notebooks/intro.ipynb | es_CO |
| dc.relation.references | “Información sobre la GPU disponible en la página oficial de nvidia”: https://www.nvidia.com/es-la/drivers/what-is-gpu-computing/ | es_CO |
| dc.relation.references | “Definición de Python disponible en su página oficial”: https://docs.python.org/3/tutorial/index.html | es_CO |
| dc.relation.references | “Información sobre opencv disponible en su página oficial”: https://opencv.org/about/ | es_CO |
| dc.relation.references | “Información de TensorFlow disponible en su página oficial”: https://www.tensorflow.org/about?hl=es-419 | es_CO |
| dc.relation.references | “Información de Keras disponible en su página oficial”: https://keras.io/about | es_CO |
| dc.relation.references | “interfaces gráficas de usuario con tk.” https://docs.python.org/es/3/library/tk.html (accessed Nov. 11, 2021). | es_CO |
| dc.relation.references | “Publicación y distribución de ejecutables con pyinstaller en python.” https://www.pyinstaller.org/ (accessed Nov. 12, 2021). | es_CO |
| dc.relation.references | “Rohde & Schwarz España, S.A.” https://www.rohde-schwarz.com/es/productos/test y-medida/osciloscopios/educational-content/que-es-uart_254524.html (accessed nov. 25, 2021) | es_CO |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
| dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
| Aparece en las colecciones: | Ingeniería Electrónica | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Mogotocoro_2021_TG.pdf | Mogotocoro_2021_TG | 5,13 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.