Browsing Diplomado de Profundización en Control de la Calidad en Radiología Digital by Subject "Aprendizaje"

Now showing items 1-5 of 5

    • Detección y corrección automática de artefactos en imágenes médicas utilizando redes neuronales para identificar y mejorar la precisión diagnóstica 

      Lozano Navarro, Brayan Esteban; Lambrano Celis, Hernán José; Quiroz Pérez, Yojaira María; Roncón Tarazona, Nikoll Fabiana; Sierra Diaz, Mirley Patricia (2025-12-01)
      La calidad de las imágenes médicas es fundamental para obtener diagnósticos precisos, pero los artefactos y fallos técnicos continúan siendo un desafío, especialmente en instituciones con limitaciones tecnológicas. Ante esta problemática, las herramientas basadas en inteligencia artificial, en particular las redes neuronales convolucionales (CNNs), han demostrado gran potencial para mejorar imágenes, identificar ...

    • Explorando tendencias en inteligencia artificial y su impacto en la calidad de imágenes digitales en procedimientos hemodinámicos 

      Cañas Vargas, Barbara Patricia; Ayala García, Sandra Milena; Díaz Beltrán, Diana María; Palacio Quintana, Buendy Danila; Pérez Ríos,Deimer (2024-12-21)
      Las nuevas tecnologías de la información y la comunicación han revolucionado todos los aspectos del ser humano, y también han ofrecido mejoras importantes en la búsqueda de su seguridad especialmente en el campo médico. Su objetivo fue explorar las tendencias actuales en inteligencia artificial y su aplicabilidad en la mejora de la calidad de imágenes digitales en procedimientos hemodinámicos, como estrategia de ...

    • Impacto clínico de la Inteligencia Artificial Explicable (XAI) en la optimización y calidad de las imágenes por resonancia magnética: una revisión documental 

      Rueda Suarez, Leidy Paola; Galvis Hernández, Leidy Katherine; Forero Rueda, Laura Juliana; Porras Barrionuevo, Jesús Alberto; Borras Camacho, Tatiana Alexandra (2025-12-11)
      El desarrollo y la integración de algoritmos de inteligencia artificial (IA), especialmente los basados en redes neuronales profundas, han transformado el diagnóstico por imágenes en la resonancia magnética (RM) y la tomografía computarizada (TC). Estos algoritmos permiten una mejora significativa en la calidad de imagen mediante la corrección automática de artefactos, la optimización de la resolución espacial y la ...

    • Optimización de parámetros de imagen basada en IA y aprendizaje automático 

      Perea Palacios, Hilary Stefany; Roldan González, Manuela; Martínez Correa, Katherine; Llerena García, Carlos Mario; Salazar Quintero, Santiago (2025-12-10)
      Este proyecto tiene como objetivo realizar un análisis sobre un modelo conceptual basado en inteligencia artificial y aprendizaje automático para optimizar automáticamente los parámetros de exposición en radiología digital. Se realiza una revisión sistemática de literatura científica reciente (2018–2025) y un análisis documental para identificar el estado actual, las limitaciones de los métodos tradicionales y el ...

    • Redes neuronales convolucionales en la mejora de la calidad de imagen en tomografía computarizada: modelos U-Net y GAN aplicados a la reconstrucción y reducción de artefactos 

      Mogollón Gamboa, Claudia Karina; Botia Duran, Maibe Yurraime; Walteros Pérez, Oscar Azael; Parra Melo, Dolly Mariana; Flórez Sierra, Brayan Darío (2025-11-21)
      La presente investigación analiza el uso de redes neuronales convolucionales (CNN), en particular los modelos U-Net y GAN, en la reducción de artefactos y mejora de la calidad de imagen en tomografía computarizada (TC). Este surge ante la limitación diagnóstica provocada por artefactos generados por objetos metálicos, movimientos del paciente y deficiencias en los algoritmos de reconstrucción. Se adopta un enfoque ...