Reconstrucción de Imágenes de Resonancia Magnética utilizando Aprendizaje Profundo.

Fierro Aceves, David Genaro

Reconstrucción de Imágenes de Resonancia Magnética utilizando Aprendizaje Profundo.

dc.contributor.advisor	Mederos, Boris de Jesús
dc.contributor.author	Fierro Aceves, David Genaro
dc.date.accessioned	2021-02-16T19:24:22Z
dc.date.available	2021-02-16T19:24:22Z
dc.date.issued	2019-09
dc.description	Debido a ciertas complicaciones fisiológicas y bienestar de los pacientes que se someten al proceso de adquisición de imágenes de resonancia magnética (RM; por sus siglas en inglés) es necesario disminuir el tiempo de adquisición de este tipo de imágenes, en este documento se desarrolla un método capaz de reconstruir imágenes de RM con la finalidad de disminuir el tiempo de adquisición, este método combina las técnicas clásicas de reconstrucción como sensado compresivo y metodologías recientes como aprendizaje profundo (DL; por sus siglas en inglés), con la finalidad de explotar al máximo las propiedades y características de cada una de ellas. Partiendo de una red variacional propuesta en años recientes, en el cual el método propuesto aprende el mapeo de sensibilidad empíricamente a diferencia de la red propuesta y además logra mantener la idea principal de combinar el sensado compresivo con el DL. Este tipo de técnica es capaz de reconstruir imágenes con valores de PSNR de 30-40 y SSIM de 85-90 con valores de factor de aceleración de 3.5.	es_MX
dc.description.abstract	Debido a ciertas complicaciones fisiológicas y bienestar de los pacientes que se someten al proceso de adquisición de imágenes de resonancia magnética (RM; por sus siglas en inglés) es necesario disminuir el tiempo de adquisición de este tipo de imágenes, en este documento se desarrolla un método capaz de reconstruir imágenes de RM con la finalidad de disminuir el tiempo de adquisición, este método combina las técnicas clásicas de reconstrucción como sensado compresivo y metodologías recientes como aprendizaje profundo (DL; por sus siglas en inglés), con la finalidad de explotar al máximo las propiedades y características de cada una de ellas. Partiendo de una red variacional propuesta en años recientes, en el cual el método propuesto aprende el mapeo de sensibilidad empíricamente a diferencia de la red propuesta y además logra mantener la idea principal de combinar el sensado compresivo con el DL. Este tipo de técnica es capaz de reconstruir imágenes con valores de PSNR de 30-40 y SSIM de 85-90 con valores de factor de aceleración de 3.5.	es_MX
dc.description.video	http://erecursos.uacj.mx/bitstream/handle/20.500.11961/5780/archivo%20para%20repostorio%20182987.pdf?sequence=2&isAllowed=y
dc.identifier.uri	http://hdl.handle.net/20.500.11961/5780
dc.language.iso	spa	es_MX
dc.publisher	Universidad Autónoma de Ciudad Juárez	es_MX
dc.relation.ispartof	Maestría en Ingeniería Eléctrica	es
dc.relation.ispartof	Departamento de Ingeniería Eléctrica y Computación	es
dc.relation.ispartof	Instituto de Ingeniería y Tecnología	es
dc.rights	Atribución-NoComercial-SinDerivadas 2.5 México	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/2.5/mx/	*
dc.subject	Resonancia magnética.	es_MX
dc.subject	Tiempo.	es_MX
dc.subject	Adquisición.	es_MX
dc.subject	Sensado compresivo.	es_MX
dc.subject	Aprendizaje profundo.	es_MX
dc.subject.other	info:eu-repo/classification/cti/7	es_MX
dc.title	Reconstrucción de Imágenes de Resonancia Magnética utilizando Aprendizaje Profundo.	es_MX
dc.type	Tesis maestría	es_MX
dcrupi.departamento	Departamento de Ingeniería Eléctrica y Computación	es
dcrupi.instituto	Instituto de Ingeniería y Tecnología	es
dcrupi.programa-academico	Maestría en Ingeniería Eléctrica	es
dcterms.thumbnail	http://ri.uacj.mx/vufind/thumbnails/pi-iit-maestria.png	es