Pregrado Ingeniería Biomédica · 2023
Sistema de detección de artefactos en angiografías mediante técnicas de procesamiento de imágenes e inteligencia artificial
Las angiografías son procedimientos radiológicos utilizados para la detección de anomalías en los vasos sanguíneos del cuerpo humano, con el fin de brindar la información necesaria para el correcto tratamiento médico del paciente; estos procedimientos se realizan por medio de los equipos de Rayos X utilizados por el personal de radiología en las instituciones de salud, estos equipos tienen como función permitir la visualización de irregularidades, lesiones y/o enfermedades en el interior del cuerpo humano, generando así imágenes en escala de grises que se dan por la cantidad de radiación que absorben los tejidos, en las angiografías se utiliza una inyección de contraste que permite evidenciar la dirección y flujo de sangre por los vasos sanguíneos. Por consiguiente, se desarrolló un software para detectar artefactos presentes en angiografías mediante técnicas de procesamiento de imágenes e inteligencia artificial utilizando Python. Este software se realizó con la implementación de las distintas técnicas de inteligencia artificial y procesamiento de imágenes con la base de datos de las imágenes de las angiografías, estas técnicas fueron ResNet-18 para inteligencia artificial y para las técnicas de procesamiento de imágenes fueron las de binarización, normalización, filtro de ruido, entro otras. Las cuales permitieron la detección de artefactos que llegan a estar presentas en la imagen de angiografías, y así evitando que se llegan a dar diagnósticos errados.
Texto completo 81 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Capítulo Ip. 13
- Aspectos generalesp. 13
- Problema u Oportunidadp. 13
- Justificaciónp. 14
- Pregunta problemap. 15
- Objetivo Generalp. 15
- Objetivos específicosp. 15
- Limitaciones y Delimitacionesp. 15
- Capitulo IIp. 17
- Marco teórico y Estado del Artep. 17
- 2.1 Marco Teóricop. 17
- 2.1.1 Artefactop. 17
- 2.1.2 Angiografíap. 17
- 2.1.3 Rayos Xp. 18
- 2.1.4 Procesamiento de imágenesp. 19
- 2.2 Estado del Artep. 19
- 2.3 Marco Legalp. 23
- Capitulo IIIp. 26
- Metodologíap. 26
- detección de artefactosp. 27
- 3.2 Comparación de las técnicas de procesamiento de imágenes e inteligencia artificialp. 28
- y la IAp. 29
- 3.5 Diagrama de flujop. 30
- 3.6 Código de la interfaz de clasificación de artefactos en angiografíasp. 30
- 3.7 Pruebas de funcionamientop. 30
- 3.8 Generación de las tablas de sensibilidad y especificidadp. 31
- Capítulo IVp. 32
- Resultados obtenidos y Análisisp. 32
- detección de artefactosp. 32
- 4.2 Comparación de las técnicas de procesamiento de imágenes e inteligencia artificialp. 33
- imágenes y la IAp. 41
- 4.5 Diagrama de flujop. 30
- 4.6 Código de la interfaz de clasificación de artefactos en angiografíasp. 30
- 4.7. Pruebas de funcionamiento y resultados del modelo implementadop. 50
- Capítulo Vp. 73
- Conclusiones y recomendacionesp. 73
- 5.1 Conclusionesp. 73
- 5.2 Recomendacionesp. 74
- Capítulo VIp. 75
- Bibliografíap. 75
- inyección manualp. 18
- Figura 2 Rayos Xp. 18
- Figura 3 Procesamiento de imágenesp. 19
- via SAE and visualization of the learned feature representationsp. 20
- Figura 5 Metodología a desarrollar en el proyectop. 27
- Figura 6 Arquitectura de la red AlexNetp. 38
- Figura 7 Arquitectura de la red Inception v1\\ v2 \\ v3 \\ v4p. 38
- Figura 8 Arquitectura de la red ResNextp. 39
- Figura 9 Arquitectura de la red ResNet-18p. 40
- Figura 10 Diagrama de flujop. 43
- Figura 11 Código para agregar movimiento aleatorio en las imágenesp. 45
- Figura 12 Código aplicación de ruido de Pisson a las imágenesp. 45
- Figura 13 Visualización etiquetas de las imágenesp. 47
- Figura 14 RESNET-18p. 48
- Figura 15 Arquitectura ResNet-18p. 49
- Figura 16. Modificación del modelop. 50
- Figura 17 Versiones y checkpointsp. 51
- Figura 18 Grafica de aprendizaje del modelop. 58
- Figura 19 Ventana de inicio de la interfazp. 59
- angiografías mediante técnicas de procesamiento de imágenes e inteligencia artificialp. 59
- artificialp. 33
- angiografías mediante técnicas de procesamiento de imágenes e inteligencia artificialp. 62
- angiografías mediante técnicas de procesamiento de imágenes e inteligencia artificialp. 63
- artificialp. 33
- artificialp. 33
- e inteligencia artificialp. 67
- e inteligencia artificialp. 68
- e inteligencia artificialp. 69
- e inteligencia artificialp. 70
- imágenesp. 49
- de los artefactos en imágenesp. 28
- para la selección de las técnicasp. 29
- Tabla 4. Modelo de tabla de sensibilidad y especificidadp. 31
- Tabla 5. Tabla comparativa de las técnicas de procesamiento de imágenesp. 33
- Tabla 6. Tabla comparativa de las técnicas de Inteligencia artificialp. 35
- Tabla 7. Matriz de PUGH para la comparación de las técnicas de inteligencia artificialp. 37
- Tabla 8. Softwares libresp. 41
- Tabla 9. Visualización del efecto en las imágenesp. 46
- Tabla 10. Comparación y supervisión de mejores métricas arrojadas por el modelop. 52
- Tabla 11. Matriz de confusión de epoch 89p. 52
- Tabla 12. Matriz de confusión de epoch 90p. 53
- Tabla 13. Matriz de confusión de epoch 91p. 53
- Tabla 14. Matriz de confusión de epoch 99p. 53
- Tabla 15. Mejores métricas arrojadas por el modelop. 55
- Tabla 16. Tabla de pesosp. 55
- Tabla 17. Datos guardados por la interfazp. 70
- Tabla 18. Comparación de datos arrojados por el modelo vs datos realesp. 71