Generación de secuencias cine-mri cardiacas utilizando aprendizaje generativo adversario condicionado por información del corazón

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.advisorRomo Bucheli, David Edmundo
dc.contributor.authorPeña Contreras, Henry Iván
dc.date.accessioned2024-03-04T01:17:47Z
dc.date.available2021
dc.date.available2024-03-04T01:17:47Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractLas enfermedades cardiacas son el mayor motivo de muerte tanto a nivel localcomo global, registrando mas de 200.000 muertes cada año. Las secuencias cine-MRI soportan ladetección temprana y seguimiento de patologías cardiacas, permitiendo la valoración morfológica yfisiológica de las paredes del corazón durante el ciclo cardiaco. Esta valoración, sin embargo, es hoyen día altamente dependiente del experto observador, lo que puede conducir a una alta subjetividaden su análisis. Técnicas de análisis de imágenes y algoritmos de aprendizaje de máquina, surgenentonces, como herramientas alternativas para soportar el diagnóstico clínico, reducir la variabilidaden los análisis y brindar nuevas descripciones y correlaciones de los patrones que influyen en elbuen funcionamiento cardiaco. Este trabajo desarrolló un modelo computacional basado en redesgenerativas adversarias condicionales para la generación de secuencias cardiacas. Además, se estudiaron mecanismos apriori que permitan generar secuencias sintéticas de cine-MRI coherente ycon sentido de ciertas patologías de entrenamiento. La generación de estas secuencias, guiadaspor un patrón apriori permitió generar descriptores embebidos en la arquitectura, los cuales fueronutilizados como nuevos marcadores de la enfermedad frente a diferentes modelos de clasificación,con el fin de describir patrones espacio-temporales aprendidos desde un conjunto de secuencias de entrenamiento.
dc.description.abstractenglishHeart disease is the largest single cause of death both locally and globally, accounting for more than 200,000 deaths each year. MRI-cinema sequences support the early detection andmonitoring of cardiac pathologies, allowing the morphological and physiological assessment of theheart walls during the cardiac cycle. This evaluation, however, is nowadays highly dependent on theexpert observer, which can lead to a high subjectivity in its analysis. Image analysis techniques andmachine-learning algorithms then emerge as alternative tools to support clinical diagnosis, reducevariability in analysis, and provide new descriptions and correlations of the patterns that influencegood cardiac function. This work developed a computational model based on conditional adverse generation networks for the generation of cardiac sequences. In addition, mechanisms apriori that allowthe generation of synthetic sequences of coherent and meaningful MRI-cinema of certain trainingpathologies were studied. The generation of these sequences, guided by an apriori pattern, allowedthe generation of descriptors embedded in the architecture, which were used as new disease markersagainst different classification models, in order to describe spatial-temporal patterns learned from aset of training sequences.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/41556
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectModelos Generativos
dc.subjectRedes Generativas Adversarias Condicionales
dc.subjectResonancia Magnética
dc.subjectCiclos Cardíacos.
dc.subject.keywordGenerative Model
dc.subject.keywordConditional Generative Adversarial Network
dc.subject.keywordMri-Sequences
dc.subject.keywordCardiac Cycles.
dc.titleGeneración de secuencias cine-mri cardiacas utilizando aprendizaje generativo adversario condicionado por información del corazón
dc.title.englishCardiac cine-mri sequences synthesis using generative adversarial learning conditioned by heart information. [|]
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
141.98 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.17 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
144.23 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería de Sistemas