Publication:
Método de reconstrucción tomográfica con información a priori obtenida con aprendizaje profundo

dc.affiliation.dptoUC3M. Departamento de Informáticaes
dc.affiliation.dptoUC3M. Departamento de Bioingenieríaes
dc.affiliation.grupoinvUC3M. Grupo de Investigación: Arquitectura de Computadores, Comunicaciones y Sistemases
dc.affiliation.grupoinvUC3M. Grupo de Investigación: Biomedical Imaging and Instrumentation Groupes
dc.contributor.authorPiol, A.
dc.contributor.authorDel Cerro, C.
dc.contributor.authorGarcía Blas, Francisco Javier
dc.contributor.authorDesco Menéndez, Manuel
dc.contributor.authorAbella García, Mónica
dc.contributor.funderMinisterio de Economía y Competitividad (España)es
dc.contributor.funderUniversidad Carlos III de Madrides
dc.contributor.funderComunidad de Madrides
dc.date.accessioned2021-06-03T10:11:15Z
dc.date.available2021-06-03T10:11:15Z
dc.date.issued2020
dc.descriptionActas de: CASEIB 2020: XXXVIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, 25–27 Nov, 2020 (congreso virtual).es
dc.description.abstractEn sistemas de tomografía computarizada tradicionales, los datos se adquieren girando fuente y detector alrededor de la muestra completando un rango angular de 360 grados y obteniendo, generalmente, más de 360 proyecciones. Sin embargo, existen situaciones donde solo es posible obtener un número limitado de proyecciones, como en el caso del uso de sistemas de arco en C en un entorno intraoperatorio. Esta limitación de datos resulta en artefactos específicos en la reconstrucción y, consecuentemente, en pérdida de detalles importantes para el diagnóstico clínico. Una solución para compensar la falta de datos es utilizar información a priori en algoritmos iterativos. El algoritmo SCoLD permite la reconstrucción del volumen con un número limitado de proyecciones, incorporando como información a priori el soporte de la muestra, identificado con una máscara binaria. En este trabajo se propone una metodología de reconstrucción de datos incompletos basado en la combinación de un algoritmo de reconstrucción que incorpora el soporte de la muestra como información a priori con un paso de obtención de este soporte usando metodología de aprendizaje profundo.es
dc.description.sponsorshipEste trabajo ha sido financiado por el Ministerio de Ciencia, Innovación y Universidades (Instituto de Salud Carlos III, proyecto DTS17/00122; Agencia Estatal de Investigación, proyecto DPI2016-79075-R-AEI/FEDER, UE), cofinanciado por Fondos de la Unión Europea (FEDER), "A way of making Europe". Además, ha sido financiado por el Programa de apoyo a la realización de proyectos interdisciplinares de I+D para jóvenes investigadores de la Universidad Carlos III de Madrid 2019-2020 en el marco del Convenio Plurianual Comunidad de Madrid- Universidad Carlos III de Madrid (proyecto DEEPCT-CM-UC3M) y por CRUE Universidades, CSIC y el Banco Santander (Fondo Supera, proyecto RADCOV19). El CNIC está financiado por el Ministerio de Ciencia, Innovación y Universidades y la fundación PRO-CNIC y es un centro de excelencia Severo Ochoa (SEV-2015-0505).es
dc.format.extent4
dc.identifier.bibliographicCitationCASEIB 2020: XXXVIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, libro de actas, 25–27 Nov, 2020. Sociedad Española de Ingeniería Biomédica, 2020, pp. 206–209.es
dc.identifier.isbn978-84-09-25491-0
dc.identifier.publicationfirstpage206
dc.identifier.publicationlastpage209
dc.identifier.publicationtitleMétodo de reconstrucción tomográfica con información a priori obtenida con aprendizaje profundoes
dc.identifier.urihttps://hdl.handle.net/10016/32828
dc.identifier.uxxiCC/0000032424
dc.language.isospa
dc.publisherSociedad Española de Ingenieria Biomedicaes
dc.relation.eventdate2020-11-25
dc.relation.eventplaceEspaña (conferencia virtual)es
dc.relation.eventtitleXXXVIII Congreso Anual de la Sociedad Española de Ingeniería Biomédicaes
dc.relation.projectIDGobierno de España. DPI2016-79075-Res
dc.relation.projectIDComunidad de Madrid. DEEPCT-CM-UC3Mes
dc.relation.projectIDGobierno de España. DTS17/00122es
dc.relation.projectIDGobierno de España. SEV-2015-0505es
dc.relation.publisherversionhttp://caseib.es/2020/wp-content/uploads/2020/12/CASEIB2020_LibroActas.pdf
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.accessRightsopen access
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subject.ecienciaBiología y Biomedicinaes
dc.subject.ecienciaInformáticaes
dc.titleMétodo de reconstrucción tomográfica con información a priori obtenida con aprendizaje profundoes
dc.typeconference proceedings*
dc.type.hasVersionAM*
dspace.entity.typePublication
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Reconstruccion_CASEIB_2020.pdf
Size:
987.32 KB
Format:
Adobe Portable Document Format