Aprendizaje profundo aplicado al análisis de imágenes médicas

Fil: Larrazabal, Agostina Juliana. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.

Guardado en:

Detalles Bibliográficos
Autor principal:	Larrazabal, Agostina Juliana
Otros Autores:	Orlando, José Ignacio
Formato:	SNRD Tesis doctoral acceptedVersion
Lenguaje:	Español
Publicado:	2022
Materias:	Autocodificadores Redes neuronales convolucionales Segmentación Aprendizaje de representaciones Ensambles de redes neuronales Restricciones ortogonales Penalización de entropía Autoencoders Convolutional neural networks Medical image segmentation Representation learning Ensemble learning Orthogonal restrictions Entropy constrains
Acceso en línea:	https://hdl.handle.net/11185/6591
Aporte de:	Biblioteca Virtual - Tesis (UNL) de Universidad Nacional del Litoral

Ejemplares similares

Clasificación de señales Doppler de ecos radar usando deep learning
por: Alcaraz, Franco A.
Publicado: (2020)

Un enfoque de aprendizaje profundo para la cuantificación de la función cardíaca /
Publicado: (2020)

Un enfoque de aprendizaje profundo para la cuantificación de la función cardíaca
por: Dellazoppa, Lucca
Publicado: (2020)

Automatización de cefalometrías utilizando métodos de aprendizaje automático
por: Nievas, Francisco
Publicado: (2020)

Automatización de cefalometrías utilizando métodos de aprendizaje automático
por: Nievas, Francisco
Publicado: (2020)

Desarrollo de métodos de aprendizaje automático para redes neuronales convolucionales en grafos con aplicaciones al análisis de imágenes
por: Martínez, César
Publicado: (2021)

Modelado del proceso de reconocimiento de orientaciones en imágenes usando redes neuronales
por: Britch, Camila
Publicado: (2023)

Clasificador multiclase con redes neuronales convolucionales
por: Lorenzo, M., et al.
Publicado: (2020)

Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
por: Nehmad Alché, Miguel
Publicado: (2020)

Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
por: Nehmad Alché, Miguel
Publicado: (2020)

Clasificación de señales Doppler de ecos radar usando deep learning /
Publicado: (2020)

Resumen de tesis: Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionales. Aplicaciones al reconocimiento de formas de mano
por: Quiroga, Facundo Manuel
Publicado: (2020)

Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionales : Aplicaciones al reconocimiento de formas de mano
por: Quiroga, Facundo Manuel
Publicado: (2020)

Algoritmos bioinspirados para la implementación de interfaces cerebro computadoras
por: Gareis, Iván Emilio
Publicado: (2017)

Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
por: Paris, Facundo N.
Publicado: (2018)

Segmentación y reconocimiento de textos manuscritos utilizando redes profundas
por: Pilorget, Juan Pablo
Publicado: (2023)

Segmentación y reconocimiento de textos manuscritos utilizando redes profundas
por: Pilorget, Juan Pablo
Publicado: (2023)

Herramienta para el soporte asistido en el diseño y procesamiento de redes neuronales
por: Gonzalez, Alejo Timoteo
Publicado: (2018)

Uso de redes neuronales en el procesamiento de imágenes odontológicas
por: Porta, Juan Ignacio
Publicado: (2019)

Uso de redes neuronales en el procesamiento de imágenes odontológicas
por: Porta, Juan Ignacio
Publicado: (2019)

Visualización en Redes Neuronales Convolucionales
por: Uría, Santiago Carlos
Publicado: (2020)

Módulo de detección de intrusiones para entornos rurales utilizando edge computer vision en microcontroladores
por: Silva, Boris Dorian da
Publicado: (2025)

Prototipo para asistencia en detección temprana de deformaciones de columna utilizando redes neuronales profundas
por: Piotroski, Angeles, et al.
Publicado: (2023)

Review and analysis of computational techniques and methods for body condition score estimation on cows
por: Rodríguez Álvarez, Juan, et al.
Publicado: (2018)

Robustez de las redes neuronales profundas para clasificar imágenes médicas.
por: Kloster, Matias A.
Publicado: (2019)

RSL Sobre Diagnóstico de COVID-19 Utilizando Redes Neuronales Artificiales Convolucionales
por: Bennesch, Eduardo Hugo, et al.
Publicado: (2022)

Detección e identificación de características de vehículos utilizando algoritmos de machine learning
por: Mariotti, Enrique N.
Publicado: (2020)

Reconocimiento de logotipos de empresas tecnológicas mediante redes neuronales artificiales
por: Ibañez, Ignacio, et al.
Publicado: (2023)

Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
por: Armoa, Guido Sebastián, et al.
Publicado: (2022)

Detección e identificación de características de vehículos utilizando algoritmos de machine learning. /
Publicado: (2020)

Reconocimiento facial en imágenes
por: Pastore, Pablo Andrés
Publicado: (2019)

Reconocimiento facial en imágenes
por: Pastore, Pablo Andrés
Publicado: (2019)

Entrenamiento de modelos de aprendizaje profundo mediante autosupervisión
por: Torti López, Rubén Ezequiel
Publicado: (2018)

Detección de pose usando Deep Learning en ambientes industriales
por: Yuan, Rebeca, et al.
Publicado: (2023)

Segmentación de imágenes de ultrasonido intravascular coronario usando redes neuronales convolucionales hiperconectadas
por: Grande, Julián E., et al.
Publicado: (2023)

Machine learning con Pytorch y Scikit-Learn : desarrollo de modelos machine learning y deep learning con Python /
por: Raschka, Sebastian
Publicado: (2023)

Python machine learning : machine learning and deep learning with Python, Scikit-Learn, and TensorFlow 2 /
por: Raschka, Sebastian
Publicado: (2019)

Reconocimiento de acciones humanas en videos utilizando redes neuronales profundas
por: Orozco, Carlos Ismael
Publicado: (2025)

Crituras virtuales especificadas a través de redes neuronales evolutivas
por: Corbalán, Leonardo César, et al.
Publicado: (2001)

Deep learning : principios y fundamentos /
por: Bosch Ru�e, Anna
Publicado: (2019)