Mostrar el registro sencillo del ítem

Uso de redes neuronales con arquitectura U-Net para limpieza de ruido en Imágenes de Resonancia Magnética

Use of neural networks with U-Net architecture for noise cleaning in Magnetic Resonance Images

dc.contributorFlorez Valencia, Leonardo
dc.contributorBustacara Medina, César Julio
dc.contributorMartinez Bernal, Óscar Danilo
dc.creatorOsorio Luna, Gregorio Alfonso
dc.date2024-02-29T18:51:22Z
dc.date2024-02-29T18:51:22Z
dc.date2024-01-18
dc.date.accessioned2025-04-22T22:11:56Z
dc.date.available2025-04-22T22:11:56Z
dc.identifierhttp://hdl.handle.net/10554/66768
dc.identifierinstname:Pontificia Universidad Javeriana
dc.identifierreponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifierrepourl:https://repository.javeriana.edu.co
dc.identifier.urihttp://test.repositoriodigital.com:8080/handle/123456789/90688
dc.descriptionLas imágenes de resonancia magnética (IRM) suelen presentar ruido que puede obstaculizar el diagnóstico médico preciso. Las arquitecturas U-Net han destacado por su eficacia en la reducción de ruido en imágenes a color. En este estudio, se han adaptado tres variantes de las arquitecturas U-Net para la eliminación de ruido en cortes 2D de imágenes de resonancia magnética. Los resultados, evaluados mediante las métricas PSNR y SSIM, confirman la efectividad de las redes U-Net en la limpieza de ruido en IRM, destacando la variante U-Net Residuals por su mejor desempeño. Los resultados también sugieren el potencial prometedor de las arquitecturas U-Net en comparación con los filtros de difusión anisotrópicos (ADF). No obstante, debido a la naturaleza no lineal de estas técnicas, se requiere una investigación exhaustiva para alcanzar conclusiones definitivas sobre este resultado.
dc.descriptionMagnetic resonance imaging (MRI) often presents noise that can hinder accurate medical diagnosis. U-Net architectures have stood out for their effectiveness in reducing noise in color images. In this research, three variants of U-Net architectures have been adapted for denoising in 2D slices of MRI images. The results, evaluated using the PSNR and SSIM metrics, confirm the effectiveness of the U-Net networks in noise cleaning in MRI, highlighting the U-Net Residuals variant for its best performance. The results also suggest the promising potential of U-Net architectures compared to anisotropic diffusion filters (ADF). However, due to the nonlinear nature of these techniques, extensive research is required to reach definitive conclusions about this result.
dc.descriptionMagíster en Inteligencia Artificial
dc.descriptionMaestría
dc.formatPDF
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.languagespa
dc.publisherPontificia Universidad Javeriana
dc.publisherMaestría en Inteligencia Artificial
dc.publisherFacultad de Ingeniería
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectRedes neuronales convolucionales
dc.subjectAprendizaje profundo
dc.subjectEliminación de ruido
dc.subjectImagen de resonancia magnética
dc.subjectU-Net
dc.subjectEliminación de ruido
dc.subjectConvolutional neural networks
dc.subjectDeep learning
dc.subjectDenoising
dc.subjectMagnetic resonance imaging
dc.subjectU-Net
dc.subjectNoise removal
dc.subjectMaestría en inteligencia artificial - Tesis y disertaciones académicas
dc.subjectResonancia magnética
dc.subjectRedes neuronales (Computadores)
dc.subjectInteligencia artificial
dc.titleUso de redes neuronales con arquitectura U-Net para limpieza de ruido en Imágenes de Resonancia Magnética
dc.titleUse of neural networks with U-Net architecture for noise cleaning in Magnetic Resonance Images
dc.typehttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.typeTesis/Trabajo de grado - Monografía - Maestría
dc.typehttp://purl.org/coar/resource_type/c_bdcc
dc.typeinfo:eu-repo/semantics/masterThesis


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem