Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets

Tesis doctoral inédita leída en la Universidad Autónoma de Madrid, Escuela Politécnica Superior, Departamento de Ingeniería Informática. Fecha de lectura : 21-09-2017

Detalles Bibliográficos
Autor: Benítez Sánchez del Campo, Ania
Tipo de recurso: tesis doctoral
Fecha de publicación:2017
País:España
Institución:Universidad Autónoma de Madrid
Repositorio:Biblos-e Archivo. Repositorio Institucional de la UAM
Idioma:español
OAI Identifier:oai:repositorio.uam.es:10486/681588
Acceso en línea:http://hdl.handle.net/10486/681588
Access Level:acceso abierto
Palabra clave:Imagen por resonancia magnética - Tesis doctorales
Aprendizaje automático - Tesis doctorales
Informática
id ES_a6f27ceed8833e3a6cb82aadded2ef22
oai_identifier_str oai:repositorio.uam.es:10486/681588
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
title Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
spellingShingle Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
Benítez Sánchez del Campo, Ania
Imagen por resonancia magnética - Tesis doctorales
Aprendizaje automático - Tesis doctorales
Informática
title_short Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
title_full Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
title_fullStr Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
title_full_unstemmed Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
title_sort Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small Datasets
dc.creator.none.fl_str_mv Benítez Sánchez del Campo, Ania
author Benítez Sánchez del Campo, Ania
author_facet Benítez Sánchez del Campo, Ania
author_role author
dc.contributor.none.fl_str_mv Sánchez-Montañés Isla, Manuel Antonio
Cerdán García-Esteller, Sebastián
Departamento de Ingeniería Informática
Escuela Politécnica Superior
dc.subject.none.fl_str_mv Imagen por resonancia magnética - Tesis doctorales
Aprendizaje automático - Tesis doctorales
Informática
topic Imagen por resonancia magnética - Tesis doctorales
Aprendizaje automático - Tesis doctorales
Informática
description Tesis doctoral inédita leída en la Universidad Autónoma de Madrid, Escuela Politécnica Superior, Departamento de Ingeniería Informática. Fecha de lectura : 21-09-2017
publishDate 2017
dc.date.none.fl_str_mv 2017
2017-09-21
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10486/681588
url http://hdl.handle.net/10486/681588
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblos-e Archivo. Repositorio Institucional de la UAM
instname:Universidad Autónoma de Madrid
instname_str Universidad Autónoma de Madrid
reponame_str Biblos-e Archivo. Repositorio Institucional de la UAM
collection Biblos-e Archivo. Repositorio Institucional de la UAM
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869415738565984256
spelling Intelligent Analysis of Cerebral Magnetic Resonance Images: Extracting Relevant Information from Small DatasetsBenítez Sánchez del Campo, AniaImagen por resonancia magnética - Tesis doctoralesAprendizaje automático - Tesis doctoralesInformáticaTesis doctoral inédita leída en la Universidad Autónoma de Madrid, Escuela Politécnica Superior, Departamento de Ingeniería Informática. Fecha de lectura : 21-09-2017Los metodos de machine learning aplicados a imagenes medicas se estan convirtiendo en potentes herramientas para el analisis y diagnostico de pacientes. La alta disponibilidad de repositorios de im agenes de diferentes modalidades ha favorecido el desarrollo de sistemas que aprenden a extraer caracteristicas relevantes y construyen modelos predictivos a partir de grandes cantidades de informacion, por ejemplo, los metodos de deep learning. Sin embargo, el analisis de conjuntos de imagenes provenientes de un menor numero de sujetos, como es el caso de las imagenes adquiridas en entornos de investigacion cl nica y pre-cl nica, ha recibido considerablemente menos atencion. El objetivo de esta tesis es implementar un conjunto de herramientas avanzadas para resolver este problema, permitiendo el analisis robusto de Im agenes de Resonancia Magn etica (MRI por sus siglas en ingl es) cuando se dispone de pocos sujetos de estudio. En este contexto, las herramientas propuestas se emplean para analizar de manera autom atica conjuntos de datos obtenidos de imagenes funcionales de MR del cerebro en estudios de regulacion del apetito en roedores y humanos, y de im agenes funcionales y estructurales de MR de desarrollos tumorales en modelos animales y humanos. Los metodos propuestos se derivan de la idea de considerar cada voxel del conjunto de im agenes como un patron, en lugar de la nocion convencional de considerar cada imagen como un patr on. El Cap tulo 1 describe la motivaci on de esta tesis, incluyendo los objetivos propuestos, la estructura general del documento y las contribuciones de esta investigaci on. El Capitulo 2 contiene una introduccion actualizada del estado del arte en MRI, los procedimientos mas usados en el pre-procesamiento de imagenes, y los algoritmos de machine learning m as utiles y sus aplicaciones en MRI. El Cap tulo 3 presenta el dise~no experimental y los pasos de pre-procesamiento aplicados a los conjuntos de datos de regulaci on de apetito y desarrollo tumoral. El Capitulo 4 implementa nuevos metodos de aprendizaje supervisados para el analisis de conjuntos de datos de MRI obtenidos de un conjunto peque~no de sujetos. Se ilustra este enfoque presentando primero la metodolog a Fisher Maps, que permite la visualizaci on cuantitativa y no invasiva de la circuiter a cerebral del apetito, mediante el an alisis autom atico de Im agenes Ponderadas en Difusi on (DWI por sus siglas en ingl es). Esta metodolog a se extiende a la clasi caci on de im agenes completas combinando las predicciones obtenidas de cada p xel. El Cap tulo 5 propone un nuevo algoritmo de aprendizaje no supervisado, ilustrando su desempe~no sobre datos sint eticos y datos provenientes de estudios de tumores cerebrales y crecimiento tumoral. Por ultimo, en el Cap tulo 6 se resumen las principales conclusiones de este trabajo y se plantean amplias v as para su desarrollo futuro. En resumen, esta tesis presenta un nuevo enfoque capaz de trabajar en contextos con baja disponibilidad de sujetos de estudio, proponiendo algoritmos de aprendizaje supervisado y no supervisado. Estos metodos pueden ser facilmente generalizados a otros paradigmas o patologias, e incluso, a distintas modalidades de imagenes.Sánchez-Montañés Isla, Manuel AntonioCerdán García-Esteller, SebastiánDepartamento de Ingeniería InformáticaEscuela Politécnica Superior20172017-09-21doctoral thesishttp://purl.org/coar/resource_type/c_db06NAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/10486/681588reponame:Biblos-e Archivo. Repositorio Institucional de la UAMinstname:Universidad Autónoma de MadridEspañolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:repositorio.uam.es:10486/6815882026-06-23T12:46:27Z
score 15.300719

Similares en LA Referencia