Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/16984
Título : Laboratorio virtual para el procesamiento y clasificación de señales e imágenes biomédicas
Autor : Vásquez Hernández, Pedro Iván
metadata.dc.contributor.advisor: Santana Velásquez, Angelower
metadata.dc.subject.*: Electroencefalografía
Electroencephalography
Informática médica
Medical informatics
Nube computacional
Cloud computing
Programa de ordenador
Computer software
Análisis de imágenes
Image analysis
Imágenes por resonancia magnética
Magnetic resonance imaging
Imágenes digitales en medicina
Laboratorios virtuales
Redes neuronales
http://aims.fao.org/aos/agrovoc/c_36762
http://aims.fao.org/aos/agrovoc/c_36764
http://vocabularies.unesco.org/thesaurus/concept6081
Fecha de publicación : 2019
Resumen : RESUMEN: El fin de este proyecto se centró en la reducción de la brecha que existe entre el aprendizaje y las nuevas tecnologías que se desarrollan en pleno siglo XXI en instituciones educativas y más concretamente en Universidades públicas donde la investigación es su principal fuente de ingresos y donde es muy difícil conseguir fuente de financiamiento para recursos en la ejecución de algoritmos complejos con alta demanda computacional [1]. En el área de Bioingeniería de la Universidad de Antioquia se cuenta con investigaciones en el área del procesamiento de imágenes y señales biomédicas, como lo es el caso de imágenes de FMRI (Functional Magnetic Resonance Imaging) y señales EEG (Electroencefalografía), donde actualmente tecnologías como Nipype, ICA y redes neuronales convolucionales consumen demasiados recursos locales, sin mencionar el factor tiempo que esto implica imposibilitando el avance en el área de la investigación y desarrollo de nuevas aplicaciones en el área médica. Es por esto por lo que se planteó el despliegue de servicios en Amazon Web Services (AWS) donde se pudieran ejecutar algoritmos computacionalmente complejos y de ejecución lenta con el fin de reducir los tiempos de procesamiento y el consumo de recursos locales. Se desarrolló un algoritmo en Machine Learning por medio de redes neuronales convolucionales usando como herramienta la librería TensorFlow, dando como resultado la reducción del tiempo de ejecución, un algoritmo de procesamiento de imágenes, muy común en el área de FMRI usando Nipype como herramienta donde se logró reducir el tiempo de ejecución de 1 hora a 7 minutos; y en señales se desplegó un servicio que realizará la descomposición de una mezcla de una señal EEG en sus componentes independientes, a pesar de que no se logró una reducción de tiempo considerable de tiempo si se evidenció una disminución de la carga en el computador para la realización de sus otros procesos. Finalmente se concluye que AWS es una gran oportunidad de implementar algoritmos complejos y ayudar a las instituciones educativas el aprendizaje de nuevas tecnologías en todas las áreas de investigación y de desarrollo para seguir mejorando la calidad de vida de todas las personas.
Aparece en las colecciones: Bioingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
VasquezPedro_2019_LaboratorioImagenesBiomedicas.pdfTrabajo de grado de pregrado699.3 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons