Artefactos de tomografía computarizada como limitante diagnostica y evaluación de uso de redes neuronales para su detección

Hidalgo Hidalgo, Adriana Danitza; Castelblanco Hernández, María Fernanda; Bohórquez Arrieta, María Paula; Guevara Pérez, Sharik Camila; Echeverri Jara, Yuli Tatiana

dc.contributor.advisor	Jamaica Guio, Edna Rocío
dc.coverage.spatial	cead_-_josé_celestino_mutis
dc.creator	Hidalgo Hidalgo, Adriana Danitza
dc.creator	Castelblanco Hernández, María Fernanda
dc.creator	Bohórquez Arrieta, María Paula
dc.creator	Guevara Pérez, Sharik Camila
dc.creator	Echeverri Jara, Yuli Tatiana
dc.date.accessioned	2026-02-12T22:59:34Z
dc.date.available	2026-02-12T22:59:34Z
dc.date.created	2026-02-07
dc.identifier.uri	https://repository.unad.edu.co/handle/10596/78697
dc.description.abstract	La presente investigación surge a partir de un problema clínico identificado en la práctica radiológica: la presencia de artefactos en imágenes de Tomografía Computarizada (TC), que comprometen la calidad diagnóstica. Estos artefactos, generados principalmente por movimientos involuntarios del paciente durante la adquisición o por limitaciones del software del equipo, actúan como ruido visual que puede ocultar lesiones o simular patologías inexistentes, incidiendo negativamente en la precisión del diagnóstico médico. El estudio se enfoca en evaluar el potencial de las redes neuronales, una rama avanzada de la inteligencia artificial, para la detección automática de estos artefactos. Se plantea que dichas redes pueden ser entrenadas para reconocer patrones asociados a imperfecciones en las imágenes, siendo una herramienta complementaria para los radiólogos.
dc.format	pdf
dc.title	Artefactos de tomografía computarizada como limitante diagnostica y evaluación de uso de redes neuronales para su detección
dc.type	Diplomado de profundización para grado
dc.subject.keywords	Tomografía Computarizada
dc.subject.keywords	Inteligencia Artificial
dc.subject.keywords	Redes Neuronales
dc.subject.keywords	Artefactos
dc.description.abstractenglish	This research arises from a clinical problem identified in radiological practice: the presence of artifacts in Computed Tomography (CT) images, which compromise diagnostic quality. These artifacts, mainly caused by involuntary patient movements during image acquisition or by software limitations of the equipment, act as visual noise that can obscure lesions or simulate nonexistent pathologies, negatively affecting the accuracy of medical diagnosis.The study focuses on evaluating the potential of neural networks, an advanced branch of artificial intelligence, for the automatic detection of these artifacts. It is proposed that such networks can be trained to recognize patterns associated with image imperfections, serving as a complementary tool for radiologists.