Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Bautista Rozo, Lola XiomaraBautista Rojas, Luis EduardoLizarazo Sandoval, María Daniela2023-01-272023-01-272023-01-272023-01-27https://noesis.uis.edu.co/handle/20.500.14071/12235El uso de imágenes médicas es un factor clave para el diagnóstico, particularmente para enfermedades que no son externamente visibles como las enfermedades del parénquima pulmonar. Imágenes como las tomografías computarizadas permiten al personal médico observar con gran detalle el estado del parénquima. No obstante, lograr este nivel de detalle es un reto tecnológico dado que la calidad de las imágenes puede verse fácilmente alterada por factores como el movimiento del paciente o el dispositivo utilizado. A su vez, los patrones visuales que existen en éstas imágenes pueden ser difíciles de detectar y es necesario segmentar el área, de manera que se puedan visualizar con el mayor detalle posible. Este trabajo de grado tiene como fin usar una técnica de inteligencia artificial para segmentar el parénquima pulmonar que permita la posterior visualización en un entorno de realidad virtual para facilitar el diagnóstico. La arquitectura de aprendizaje profundo utilizada fue U-Net, y se utilizó la herramienta de 3D Slicer para el procesamiento de resultados. El parénquima pulmonar fue segmentado, analizado y visualizado en un entorno de realidad virtual que permite la observación de patrones radiográficos para el diagnóstico.application/pdfspainfo:eu-repo/semantics/openAccessSegmentaciónRed neuronalRealidad virtualPulmonesTomografías computarizadasProcesamiento de imágenesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coSegmentationNeural networkVirtual realityLungsComputed Tomography (CT)Image Processinghttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)