Mostrar el registro sencillo del ítem

dc.contributor.advisorSáenz Peña, Frank Hernando
dc.contributor.authorLizarazo Bayona, Roberto Carlos
dc.contributor.authorPuerto Caro, Jose Luis
dc.date.accessioned2019-07-11T16:23:11Z
dc.date.available2019-07-11T16:23:11Z
dc.date.issued2018
dc.identifier.urihttps://hdl.handle.net/20.500.12442/3507
dc.description.abstractLa presente investigación, propone la implementación de técnicas computacionales de procesamiento digital de imágenes en plataforma raspberry pi enfocada a imágenes médicas, en el presente macro-proyectó es agregar fundamentos de innovación respecto a que se permita generar una forma más económica y portable de aplicar las técnicas de procesamiento digital de imágenes, librerías basadas en software libre, para implantar resultados altamente ordenados con los creados por los diferentes profesionales en su rutina profesional. Planteándonos la siguiente problemática ¿Cómo realizar la implementación de técnicas computacionales vinculadas al procesamiento de imágenes digitales médicas en tarjetas raspberry pi?; La realización de la presente investigación se justica desde el punto de vista técnico ya que la implementación de técnicas de procesamiento puede contribuir a la etapa de pre-procesamiento que acondicione, adecuadamente, las imágenes, utilizando la implementación de filtros de borde y suavizado, en base a eso se crearon 3 objetivos para la finalidad del proyecto: 1) Estudiar los métodos de filtrado enfocado en la detección de bordes y ruido. 2) Preparar la tarjeta raspberry pi 3 para la compilación cruzada usando herramientas enfocadas para esto como un toolchain (cadena herramientas). 3) Aplicar técnicas computacionales enfocadas de procesamiento digital de imágenes médicas por medio de una interfaz en plataforma raspberry pi 3.spa
dc.language.isospaspa
dc.publisherEdiciones Universidad Simón Bolívarspa
dc.publisherFacultad de Ingenieríasspa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rightsAtribución-NoComercial-CompartirIgual 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectImágenesspa
dc.subjectDigitalspa
dc.subjectTécnicas computacionalesspa
dc.titleImplementación en tarjeta raspberry de técnicas computacionales vinculadas con el procesamiento digital de imágenes médicasspa
dc.typeOtherspa
dcterms.bibliographicCitationAguilera S. (2015) “ITK y VTK: Ingeniería inversa y análisis de arquitectura pipeline” [Tesis de Pre-Grado]. Pontificia Universidad Javeriana, Bogotá-Colombia.spa
dcterms.bibliographicCitationBastarrika G., Cano D. y Becker C. “Multislice CT of the heart: clinical applications,” Anales sis san navarra, vol. 27, no. 1, pp. 63–72, 2004.eng
dcterms.bibliographicCitationDinse J., Wellein D., Pfeifle M., y Born S., “Extracting the fine structure of the left cardiac ventricle in 4–D CT data,” Bildverarbeitung fr die Medizin. Informatik aktuell. Springer Berlin Heidelberg, vol. 1, no. 1, pp. 264– 268, 2011eng
dcterms.bibliographicCitationHuérfano Y., Vera M., Del Mar A., Chacón J., Vera M.I., Bautista N., Martínez M., Rojas J., Bermúdez, V.,spa
dcterms.bibliographicCitationHuérfano Y., Vera M., Del Mar A., Chacón J., Vera M.I., Bautista N., Martínez M., Rojas J., Bermúdez, V.,spa
dcterms.bibliographicCitationCerda M., Garicano C., Hernández J., Arias V., Graterol R., Chacín M., Bravo A. “Imagenología médica: Fundamentos y alcance”. Archivos Venezolanos de Farmacología y Terapéutica [en linea] 2016, 35 (3): [Fecha de consulta: 5 de septiembre de 2017] Disponible en:<http://www.redalyc.org/articulo.oa?id=55949907002> ISSN 0798-0264spa
dcterms.bibliographicCitationA, C. (2011). Diagnóstico precoz del cáncer gástrico estrategias de prevención secundaria y dificultades del diagnóstico de lesions precoces. Rev Médica Clínica Las Condes, 477-484.spa
dcterms.bibliographicCitationAGUDELO, E. M. (2016). PROGRAMA DE PROCESAMIENTO DE IMÁGENES ADQUIRIDAS POR MEDIO DEL SENSOR KINECT PARA DETERMINAR LA POSIBILIDAD UNA VÍCTIMA EN DETERMINADA ZONA. BOGOTÁ D.C.spa
dcterms.bibliographicCitationAlcaide J, P. O. (2015). Diseño de un sistema inteligente para la detección de adenocarcinoma gástrico. México D.F.: 15vo Congreso Nacional de Ingeniería Electromecánica y de Sistemas.spa
dcterms.bibliographicCitationAmerican Cancer Society. (2014). Cancer de estomago. Obtenido de www.cancer.orgspa
dcterms.bibliographicCitationAmirih, Z. M. (2005). Aassessment of Gastrical cancer survival: using an artificial hierarchical neural network. Pakistan.eng
dcterms.bibliographicCitationAyala Acosta, J. C., & Lotero Gómez, J. D. (2013). Tamización de cáncer gástrico. Bogotá: Universitas Médica.spa
dcterms.bibliographicCitationCamacho, l. h. (15 de junio de 2017). la lucha contra el cáncer en colombia. Obtenido de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-spa
dcterms.bibliographicCitationChapman, S. (2004). MATLAB Programming for Engineers. Australia • Canada • Mexico • Singapore • Spain • United Kingdom • United States: Thomson.eng
dcterms.bibliographicCitationE., E. (2016). Computer aided diagnosis system for lung cancer detection using svm. Chipre: In Partial Fulfillment of the Requirements for the Degree of Master of Science in Computer Engineering, Near East University.eng
dcterms.bibliographicCitationEjaz, N. J. (2013). Implementation of computer aided diagnosis system FOR LUNG CANCER DETECTION. Lecture Notes on Software Engineering, Vol. 1, No. 4, 364-369.eng
dcterms.bibliographicCitationFerlay J, S. I. (2013). Incidencia y mortalidad por cáncer en todo el mundo: IARC CancerBase No .11 [Internet]. Obtenido de GLOBOCAN 2012 v1.0: http://globocan.iarc.fr/Default.aspxspa
dcterms.bibliographicCitationHoughton J, W. T. (2006). Tumors of the stomach. Philadelphia: Saunders Elsevier.eng
dcterms.bibliographicCitationHsuan-Ting, C. (s.f.). National Yualing. Obtenido de Early stage gastric cancer detection in magnified nbi endoscopy images: http://www.gc.ssr.upm.es/inves/neural/ann2/concepts/taxonomy.htm,eng
dcterms.bibliographicCitationhttp://www.gc.ssr.upm.es/inves/neural/ann2/concepts/biotype.htmspa
dcterms.bibliographicCitationHu, T. L.-H.-G.-C. (2011). Study. Spectroscopy 26, 155–165.eng
dcterms.bibliographicCitationJaramillo, A. &. (2013 de 2013). Obtenido de http://www.ideam.gov.co/documents/21021/21132/Verificaci%C3%B3n_Satelite.pdf/b5805df1-e1df-4427- b358-a54acd2eeb04spa
dcterms.bibliographicCitationJohnson H., M. M. (2009). Insight Software Consortium. Insight Segmentation and Registration Toolkit.
dcterms.bibliographicCitationJurado, C. A. (16 de abril de 2008). scielo colombia. Obtenido de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2011-75822008000200005&lng=en&tlng=es. Karkanis, s. I. (2014). Tumor recognition in endoscopic video images using artificial neural network architectures.eng
dcterms.bibliographicCitationKaur Sandhu Ishwinder, N. M. (2014). Prasad Aharwal Ravindra and. Diagnosis of cancer using artificial neuralnetwork and cloud computing approach, World Journal of Pharmacy, 1533-1548.eng
dcterms.bibliographicCitationLorensen, J. W. (1998). The visualization toolkit (2nd ed.): Un enfoque orientado a objetos para gráficos 3D. Prentice-Hall, Inc. Upper Saddle River, Nueva Jersey , EE. UU.eng
dcterms.bibliographicCitationLuengo, J. (5 de enero de 2016). www.panorama.com.ve. Obtenido de http://www.panorama.com.ve/ciudad/Asociacion-Anticancerosa-deVenezuela-Se-detectaron-50-mil-nuevos-casos-de-cancer-en-2015-20160204-0060.htmlspa
dcterms.bibliographicCitationMarwahA Sheenum, M. H. (2012). Automatic diagnosis systems using image processing- a systematic study. iracst - International Journal of Computer Science and Information Technology & Security (IJCSITS), Vol. 2, No.2.eng
dcterms.bibliographicCitationNarayana R, T. G. (2014). Classical and novel diagnosis techniques for early breast cancer detection – a comparative approach. Obtenido de International Journal of Engineering Mathematics and Computer 3: http://innovativejournal.in/ijemcs/index.php/ijemcseng
dcterms.bibliographicCitationNawgaje, D. K. (2013). Implementation of computational intelligent techniques for diagnosis of cancer using digital signal processor. International Journal of Application or Innovation in Engineering & Management.eng
dcterms.bibliographicCitationPala T, Y. I. (2017). Association rule for classification of breast cancer patients. Innovations on Intelligents Systems and Applications Symposium ASYU , 155-160.eng
dcterms.bibliographicCitationPalkar P, A. (2016). A technique to extract statistical parameters of digital mammogram to detect breast cancer. International Journal of Advanced Research in Science, Engineering and Technology Vol. 3. Patel b, S. (2010). Early detection of breast cancer using self. 39-44.eng
dcterms.bibliographicCitationPaul Yushkevich, P. (14 de noviembre de 2014). ITK-SNAP. Obtenido de ITK-SNAP: http://www.itksnap.org/pmwiki/pmwiki.phpeng
dcterms.bibliographicCitationPérez, A. B. (2016). Desarrollo de algoritmos de procesamiento de imagen. Bilbao.spa
dcterms.bibliographicCitationRamos AR, S. R. (2008). Helicobacter pylori y cáncer gástrico. Rev gastroenterol Perú, 258-266.spa
dcterms.bibliographicCitationRasoul a., M. e. (2012). Solving mammography problems of breast. Indian Journal of Science and Technology, Vol. 5 No. 4, 2520-2528.eng
dcterms.bibliographicCitationRUIZ, M. A. (2016). PROCESAMIENTO DE IMÁGENES. BOGOTÁ D.C.: PONTIFICIA UNIVERSIDAD JAVERIANA.spa
dcterms.bibliographicCitationSerpa Andrade, L. J. (2014). Propuesta de un método basado en visión. Cuenca, Ecuador. Obtenido de Universidad Politécnica Salesiana.spa
dcterms.bibliographicCitationSharma, P. M. (2013). Computer aided diagnosis based on medical image processing and artificial intelligence methods. International Journal of Information and Computation Technology, 887-892.eng
dcterms.bibliographicCitationSingh N, A. A. (2016). Lung cancer detection using medical images through image processing. Journal of Chemical and Pharmaceutical Scienceseng
dcterms.bibliographicCitationSomayeh Hosaini, S. E. (2015). Reast cancer tumour diagnosis from mammography images using wavelet transform and hidden markov mode. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, Vol. 4.eng
dcterms.bibliographicCitationSommen, V. d. (2016). computer-aided detection of early. Obtenido de Endoscopy © Georg Thiemeeng
dcterms.bibliographicCitationVerlag KG Stuttgart · New York: http://dx.doi.org/10.1055/s-0042-105284 Stroustrup, B. (1985). The C++ Programming Language . Addison-Wesleyeng
dcterms.bibliographicCitationSudhakar, v. a. (2016). automatic breast cancer detection using fuzzy k means clustering approach.eng
dcterms.bibliographicCitationInternational Journal of Science and Humanities, Volume 2, Number 1 , 1-8.eng
dcterms.bibliographicCitationT Mythili., D. V. (2016). Efficient cancer clustering and classification using multilayer feed forward artificial neural networks. International Research Journal of Engineering and Technology (IRJET).eng
dcterms.bibliographicCitationTawfiq, L. A.-j. (2015). Diagnosis of cancer using artificial neural network. 45 – 49. Obtenido de International Journal of Advances in Applied Mathematics and Mechanics.eng
dcterms.bibliographicCitationVolcanes, R. .. (2008). Sistema para detección de tumores en imágenes gastroscópicas utilizando técnica de encadenamiento difuso de pirámide y redes neuronales. Revista Ingeniería UC, 81-87.eng
dcterms.bibliographicCitationWaghulade Kamini T, K. y. (26 de junio de 2016). early breast cancer detection by using image processing. International Journal of Innovations in Engineering, Research and Technology. Obtenido de International Journal of Innovations in Engineering, Research andeng
dcterms.bibliographicCitationWill Schroeder, K. M. (1998 ). Kitware. Obtenido de https://www.kitware.com/volview/ World Health Organization. (2008). International Agency for Research on Cancer. GLOBOCANeng
dcterms.bibliographicCitationhttp://www.ideam.gov.co/documents/21021/21132/Verificaci%C3%B3n_Satelite.pdf/b5805df1-e1df-4427-b358-a54acd2eeb04eng
sb.sedeSede Cúcutaspa
sb.programaIngeniería de Sistemasspa


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess