Tesis y Trabajos de Investigación PUCP
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/6
El Repositorio Digital de Tesis y Trabajos de Investigación PUCP aporta al Repositorio Institucional con todos sus registros, organizados por grado: Doctorado, Maestría, Licenciatura y Bachillerato. Se actualiza permanentemente con las nuevas tesis y trabajos de investigación sustentados y autorizados, así como también con los que que fueron sustentados años atrás.
Ingresa a su web: Repositorio Digital de Tesis y Trabajos de Investigación PUCP
Explorar
3 resultados
Resultados de búsqueda
Ítem Texto completo enlazado Modelo convolucional para la detección de nódulos pulmonares a partir de tomografías 3D(Pontificia Universidad Católica del Perú, 2019-05-23) Maldonado Cadenillas, Rodrigo Ricardo; Beltrán Castañón, César ArmandoEl cáncer al pulmón se ha convertido en una de las enfermedades con mayor incidencia a nivel mundial. Sin embargo, el análisis preventivo y detección de nódulos cancerígenos generalmente se realiza de forma manual por los radiólogos, lo cual ralentiza el proceso y genera posibles errores humanos. De esta manera, se han realizado diversas investigaciones sobre este problema utilizando Deep Learning como alternativa de solución para el análisis automático de tomografías. En este trabajo, se propone una aplicación y configuración de un modelo U- net, con bloques residuales y con regiones más rápidas para la detección de nódulos en tomografías computarizadas 3D. Los resultados obtenidos arrojan un FROC del 78 %, lo cual muestra que nuestra propuesta esta´ en el camino correcto, considerando las limitaciones de hardware en la que se ejecutó.Ítem Texto completo enlazado Modelo computacional para la identificación de células espermáticas mediante el análisis automático de micrografías digitales(Pontificia Universidad Católica del Perú, 2015-06-20) Hernández Bretón, Heidy; Beltrán Castañón, César ArmandoEl presente proyecto de fin de carrera consiste en el desarrollo de un modelo computacional para la identificación de células espermáticas con el objetivo de analizar la normalidad de la morfología de la cabeza de dichas células mediante el análisis de micrografías digitales. El modelo propuesto comprende el procesamiento de las imágenes microscópicas, la extracción y selección de características que identifican la cabeza de las células espermáticas, la clasificación de las mismas en normales o anormales atendiendo a criterios morfológicos y el análisis comparativo de la caracterización realizada con relación a los estándares de la Organización Mundial de la Salud. Las imágenes microscópicas fueron procesadas para obtener una máscara binarizada de las mismas donde se identificara la cabeza de las células. Posteriormente las cabezas de las células fueron caracterizadas de manera automática de acuerdo a métricas seleccionadas y se realizó una reducción de dimensionalidad utilizando Análisis de Componentes Principales. Para la clasificación se emplearon Máquinas de Soporte Vectorial. Como resultado del procedimiento aplicado se pudieron identificar el 91.5% de las células espermáticas existentes en las imágenes de muestra. La tasa de acierto conseguida para la clasificación morfológica fue del 77.6%. Las métricas consideradas en la caracterización están de acuerdo a los parámetros de la Organización Mundial de la Salud.Ítem Texto completo enlazado Segmentación de imágenes médicas mediante algoritmos de colonia de hormigas(Pontificia Universidad Católica del Perú, 2014-10-13) Gavidia Calderón, Carlos Gabriel; Beltrán Castañón, César ArmandoEl análisis de imágenes nos permite la extracción de información de éstas, y dentro de esta disciplina la segmentación permite la identificación de sus partes constituyentes. La segmentación de imágenes tiene aplicaciones en reconocimiento de patrones y sistemas de control de tráfico entre otros. Si llevamos la segmentación de imágenes al rubro de imágenes médicas, las aplicaciones van desde la detección de tumores y otras patologías hasta la medición de volúmenes en tejidos. Existen diversas técnicas de segmentación de imágenes, y en este trabajo se plantea un procedimiento de segmentación de imágenes médicas basado en la metaheurística de Algoritmos de Colonia de Hormigas. Los algoritmos de esta metaheurística imitan el comportamiento de las hormigas durante su búsqueda de alimento, dado que siempre produce rutas óptimas entre la fuente de comida y el nido. Dicha conducta fue implementada mediante hormigas artificiales con el objeto de realizar tareas específicas de procesamiento de imágenes. Este procedimiento fue aplicado a imágenes de Resonancias Magnéticas Cerebrales - buscando la extracción de los segmentos correspondientes a la Materia Gris, Materia Blanca y Líquido Cefalorraquídeo- y la segmentación obtenida fue de una calidad superior a la de los algoritmos actualmente existentes para esta tarea. Este documento consta de 5 capítulos: El capítulo 1 busca definir el problema y el enfoque adoptado en este trabajo para darle solución. El capítulo 2 describe la disciplina de segmentación de imágenes y la metaheurística de Algoritmos de Colonia de Hormigas. El capítulo 3 describe los trabajos previos que busquen segmentar imágenes médicas mediante Algoritmos de Colonia de Hormigas. El capítulo 4 describe el procedimiento desarrollado, así como los resultados obtenidos en la aplicación del mismo. Finalmente, el capítulo 5 trata sobre las conclusiones y recomendaciones obtenidas como producto de este trabajo.