| dc.contributor.advisor | Rueda Olarte, Andrea Del Pilar | |
| dc.contributor.advisor | Calderón Bocanegra, Francisco Carlos | |
| dc.contributor.author | García Mogollón, Juliana | |
| dc.contributor.author | Cardona Ramirez, Ernesto | |
| dc.contributor.author | Gomez Bautista, Andrés David | |
| dc.contributor.author | Romero Pineda, Santiago | |
| dc.coverage.spatial | Colombia | spa |
| dc.date.accessioned | 2022-09-20T19:41:07Z | |
| dc.date.accessioned | 2023-05-11T17:03:31Z | |
| dc.date.available | 2022-09-20T19:41:07Z | |
| dc.date.available | 2023-05-11T17:03:31Z | |
| dc.date.created | 2022-06-17 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12032/103277 | |
| dc.description.abstract | Las imágenes de resonancia
magnética son esenciales para diagnosticar pacientes, sin embargo, un
problema que varios hospitales enfrentan es la dificultad de obtener
imágenes de alta resolución debido a factores de alto costo. El proyecto
busca resolver este problema al desarrollar una aplicación web que
incremente la resolución espacial de la imagen usando un algoritmo de
super-resolución entrenado sobre una red neuronal DCSRN. La aplicación
está compuesta por un sistema Front-End construido con arquitectura por
Componentes utilizando Angular, un sistema Back-End construido con
arquitectura Multicapa utilizando Spring-Boot, y un sistema Modelo
escrito en Python siguiendo una arquitectura por Componentes. | spa |
| dc.format | PDF | |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | spa | |
| dc.publisher | Pontificia Universidad Javeriana | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Super-Resolución | |
| dc.subject | Aprendizaje de Máquina | |
| dc.subject | Aprendizaje Profundo | |
| dc.subject | Red Neuronal | |
| dc.subject | Imágenes de Resonancia Magnética | |
| dc.subject | Hospital | |
| dc.title | Sistema de apoyo para super-resolución de imágenes de resonancia magnética usando técnicas de aprendizaje profundo | spa |
