Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/29551Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Jiménez Gaona, Yuliana Del Cisne | es_ES |
| dc.contributor.author | Sarango Vega, Jefferson Hernán | es_ES |
| dc.date.accessioned | 2022-01-27T13:21:11Z | - |
| dc.date.available | 2022-01-27T13:21:11Z | - |
| dc.date.issued | 2022 | es_ES |
| dc.identifier.citation | Sarango Vega, Jefferson Hernán. Jiménez Gaona, Yuliana Del Cisne.(2022). Redes neuronales convulucionales para mejorar la resolución de imágenes medicas . Universidad Técnica Particular de Loja | es_ES |
| dc.identifier.other | 1351471 | es_ES |
| dc.identifier.uri | http://dspace.utpl.edu.ec/handle/20.500.11962/29551 | - |
| dc.description | Resumen: Lamamografía es una de las técnicas más comunmente usadas para la detección de cáncer de mama. Sin embargo, estas imágenes pueden presentar baja calidad en su resolución y contraste por el ruido que produce el equipo durante la toma de la imagen .El objetivo principal de este trabajo es mejorar la calidad y super-resolución de imágenes de mamografía mediante dos algoritmos basados en redes neuronales convolucionales. Para la metodología (i)sedes cargala base de datos CBIS-DDSM, (ii) se extrae manualmente las regiones de interés (RoIs). (iii) Se aumenta los datos (RoIs),(iv) se mejora la super resolución de las RoIs mediante los algoritmos EDSR and RDN.(v) Finalmente, se evalua la calidad de la nuevas imágenes generadas mediante las métricas de evaluación PSNR y SSIM. Los resultados principales indican qu eel algoritmo RDN obtuvo una media de PSNR=32.68dBy SSIM=0.82, y EDSR una media de PSNR=39.05dBy SSIM=0.90respectivamente.Enconclusión, los resultados experimentales demuestran que el algoritmo EDSR produce imágenes más claras visiblemente con una calidad aceptable dentro del rango establecido (38dBa 40 dB). | es_ES |
| dc.language.iso | spa | es_ES |
| dc.subject | Inteligencia artificial | es_ES |
| dc.subject | Redes neuronales | es_ES |
| dc.subject | Ingeniero en sistemas informáticos y computación | es_ES |
| dc.subject | Tesis y disertaciones académicas | es_ES |
| dc.title | Redes neuronales convulucionales para mejorar la resolución de imágenes medicas | es_ES |
| dc.type | bachelorThesis | es_ES |
| Appears in Collections: | Ingeniero en Sistemas Informáticos y Computación | |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.