Almeida Moreno, Javier AndrésBustos Garay, Carlos Andrés2022-07-132022-07-132022https://repositorio.ecci.edu.co/handle/001/2908La Tomografía axial computada ha permitido el diagnóstico temprano de múltiples patologías en cualquier parte del cuerpo. La exploración del cráneo y del cerebro por medio de un escáner nos muestra de manera detallada cada estructura que lo componen y acompañado de medios de contraste resalta las estructuras vasculares circundantes. En la práctica de un estudio pueden aparecer artificios o artefactos independientemente de su origen, que limitan la exploración escanográfica, esto lleva a detener el examen e iniciar de nuevo y sumado a esto con los medios de contraste se tienen que aplicar de nuevo dichos fármacos. Los escáneres de ´ultima generación permiten realizar reconstrucciones completas con pocas proyecciones limitando las dosis de radiación, por medio de métodos algebraicos estadísticos de reconstrucción. El presente trabajo muestra la simulación de artificios en imágenes de tomografía computarizada cerebral, la extracción de características de cada imagen y un algoritmo de clasificación automática para la diferenciación de los artefactos simulados. Los resultados muestran que el algoritmo es capaz de clasificar los artificios simulados con un porcentaje de 90 % debajo de la curva ROC.Indice 1. Planteamiento del problema 1.1. Pregunta problema 2. Objetivos 2.1. Objetivo general 2.2. Objetivos específicos 3. Estado del arte 4. Marco teórico 4.1. Arquitecturas de sistemas computacionales 4.2. Reconstrucción de imágenes 4.3. Obtención de sinograma 4.4. Principios matemáticos de reconstrucción de imágenes 4.5. Métodos Analíticos 4.6. Transformada de Radón 4.7. El teorema de corte Fourier 4.8. Algoritmo de retroproyección filtrado 4.9. Métodos algebraicos de reconstrucción 4.10. Reconstrucción por métodos iterativos 4.11. Métodos de Siddon 4.12. Algoritmo de Siddon 4.13. Singular Value Decomposition 4.14. Machine Learning 4.15. Máquinas de soporte vectorial (SVMs) 4.15.1. SVM para regresión 4.15.2. SVM para clasificación 4.16. Validación Cruzada 4.16.1. Validación cruzada Leave-one-out 4.16.2. Validación cruzada k iteraciones 4.17. Curva ROC 5. Metodología 5.1. Set de imágenes 5.2. Simulación de artificios 5.2.1. Movimiento del paciente 5.2.2. Anillos concéntricos 5.2.3. Endurecimiento del haz 5.2.4. Extracción de características 5.3. Aprendizaje de máquina 6. Resultados 7. Discusión de resultados 8. Conclusiones45 p.application/pdfspaDerechos Reservados - Universidad ECCI, 2022Trabajo de grado - Pregradoinfo:eu-repo/semantics/openAccessAprendizaje de máquinaClasificación automáticaSimulación de artificiosTomografía axial computarizadahttp://purl.org/coar/access_right/c_abf2