Look-up in Google Scholar
Title: Segmentation multi-classes du cordon médullaire sur des images IRM ultra-haute résolution acquises à 7 Tesla
Other Titles: Segmentación multiclase de la médula espinal en imágenes de resonancia magnética de ultra alta resolución adquiridas a 7 Teslas
Advisor(s): Le Troter, Arnaud
OCDE field: https://purl.org/pe-repo/ocde/ford#3.02.1
Issue Date: Oct-2021
Institution: Université d'Aix-Marseille
Abstract: La comparación de los enfoques de clase única frente a los de clase múltiple muestra una ganancia significativa en el valor de Dice para la región de materia gris (GM) a favor del método de clase única. Varias estrategias de aumento de datos (DA) en modelos multiclase reentrenados específicamente en imágenes adquiridas en 7T mostraron mejoras muy significativas (Dice promedio = 0,89 para GM y 0,97 para SC), en comparación con el método de referencia basado en dos modelos distintos de clase única. Aprendizajes 3T (Dice promedio = 0,86 para GM y 0,95 para SC), métodos disponibles en código abierto en Spinal-Cord Toolbox (SCT). Preliminarmente, la relevancia de DA se ilustró en una pequeña base de datos externa (12 imágenes), con un puntaje promedio de Dice de 0.847 para GM y 0.974 para SC. La contribución del aumento de datos, con conjuntos de transformaciones geométricas o colorimétricas "realistas" adaptadas al contexto de la aplicación, parece ser una buena opción tanto para limitar el aprendizaje memorístico como para aumentar la robustez de la segmentación. El mejor modelo será objeto de una futura integración en la SCT, puesta a disposición de la comunidad científica.
Discipline: Señales e Imágenes Biomédicas
Grade or title grantor: Université d'Aix-Marseille. Faculté des Sciences
Grade or title: Máster en Ciencias y Tecnologías con mención en Procesamiento de Señales e Imágenes
Register date: 25-Apr-2022

Files in This Item:
File Description SizeFormat 
NilserJheraldLM.pdfMemoria de maestría1.81 MBAdobe PDFThumbnail
View/Open
Autorizacion.pdf
  Restricted Access
Autorización del registro170.25 kBAdobe PDFView/Open Request a copy


This item is licensed under a Creative Commons License Creative Commons