Mostrar el registro sencillo del ítem
dc.contributor.advisor | Gómez Adrian, Jon Ander | es_ES |
dc.contributor.advisor | De la Iglesia Vayá, Maria de los Desamparados | es_ES |
dc.contributor.author | Saborit Torres, José Manuel | es_ES |
dc.date.accessioned | 2019-10-30T11:22:13Z | |
dc.date.available | 2019-10-30T11:22:13Z | |
dc.date.created | 2019-09-26 | |
dc.date.issued | 2019-10-30 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/130025 | |
dc.description.abstract | [ES] El problema que se aborda en este trabajo es el de usar técnicas de aprendizaje profundo para etiquetar imágenes de resonancia magnética cerebral para la Enfermedad del Alzheimer. Es importante detectar las primeras fases del Alzheimer ya que es una enfermedad sin cura por el momento y lo único que se puede hacer es diagnosticarla lo antes posible para poder disminuir al máximo su impacto a largo plazo mediante algunos tratamientos. Para ello, primero se estudiarán las herramientas y técnicas de preprocesado utilizadas actualmente para sacar el mayor partido a las imágenes. Seguidamente se revisarán los modelos y estrategias seguidos por el estado del arte. Para finalmente proponer algunas topologías de redes neuronales nuevas que aborden el problema desde un nuevo punto de vista. | es_ES |
dc.description.abstract | [EN] The problem addressed in this work is to use deep learning techniques to label brain magnetic resonance images in Alzheimer disease. It is important to detect the first phases of Alzheimer since it is a disease without a cure at the moment and the only thing that can be done is to diagnose it as soon as possible in order to minimize its long-term impact through some treatments. For this purpose, first, the preprocessing tools and techniques currently used will be studied to get the most out of the images. Then we will review the models and strategies followed by the state of the art. To finally propose some new neural network topologies that approach the problem from a new point of view. | es_ES |
dc.language | Español | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reconocimiento - No comercial - Compartir igual (by-nc-sa) | es_ES |
dc.subject | Alzheimer | es_ES |
dc.subject | Aprendizaje Profundo | es_ES |
dc.subject | Redes Neuronales | es_ES |
dc.subject | Resonancia Magnética Cerebral | es_ES |
dc.subject | Redes Neuronales Convolucionales | es_ES |
dc.subject | Deep Learning | es_ES |
dc.subject | Neural Network | es_ES |
dc.subject | Brain Magnetic Resonance | es_ES |
dc.subject | Convolutional Neural Networks | es_ES |
dc.subject.classification | LENGUAJES Y SISTEMAS INFORMATICOS | es_ES |
dc.subject.other | Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·Ligència Artificial: Reconeixement de Formes i Imatge Digital | es_ES |
dc.title | Análisis poblacional de patología de Alzheimer a partir de imágenes de resonancia magnética | es_ES |
dc.type | Tesis de máster | es_ES |
dc.rights.accessRights | Abierto | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació | es_ES |
dc.description.bibliographicCitation | Saborit Torres, JM. (2019). Análisis poblacional de patología de Alzheimer a partir de imágenes de resonancia magnética. http://hdl.handle.net/10251/130025 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\109779 | es_ES |