| dc.contributor.advisor | Jamaica Guío, Edna Rocío | |
| dc.coverage.spatial | udr_-_Cali | |
| dc.creator | Valdez, Liliana | |
| dc.creator | Caicedo, Maylin Mejia | |
| dc.creator | Gallego Muñoz, Carlos Andrés | |
| dc.creator | Deisy Yolima López Pantoja | |
| dc.creator | Quesada Isaza, Jean Pool | |
| dc.date.accessioned | 2026-06-12T22:50:25Z | |
| dc.date.available | 2026-06-12T22:50:25Z | |
| dc.date.created | 2026-06-11 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/82265 | |
| dc.description.abstract | La presencia de artefactos en las imágenes de radiografía digital constituye un desafío
para la calidad diagnóstica, ya que puede alterar la representación de las estructuras
anatómicas y afectar la interpretación clínica. Frente a esta problemática, diversas
herramientas basadas en procesamiento digital de imágenes e inteligencia artificial han sido
desarrolladas para apoyar la detección y corrección automatizada de estas alteraciones. La
presente investigación tuvo como objetivo analizar el desempeño de prototipos de software
open source orientados a la corrección de artefactos en imágenes radiológicas, mediante una
revisión sistemática de literatura científica publicada en los últimos años. Se examinaron
diferentes soluciones tecnológicas, considerando sus fundamentos técnicos, métricas de
rendimiento, ventajas operativas, limitaciones y nivel de aplicabilidad en entornos clínicos.
Los resultados evidencian que las herramientas de código abierto han alcanzado
avances significativos en la reducción de artefactos y el mejoramiento de la calidad de imagen,
especialmente cuando incorporan modelos de aprendizaje profundo. Asimismo, se
identificaron oportunidades relacionadas con la validación clínica, la estandarización de
metodologías y la integración de estas soluciones en los flujos de trabajo radiológicos. Se
concluye que el software open source representa una alternativa técnicamente viable y de
amplia accesibilidad para fortalecer los procesos de control de calidad en radiología digital,
favoreciendo el desarrollo de soluciones innovadoras y adaptables a diferentes contextos
asistenciales. | |
| dc.format | pdf | |
| dc.title | evaluacion de prototipos de sofware open source para corrección de artefactos en imágenes de radiografía digital | |
| dc.type | Diplomado de profundización para grado | |
| dc.subject.keywords | Radiología Digital | |
| dc.subject.keywords | Artefactos Radiológicos | |
| dc.subject.keywords | Software libre | |
| dc.subject.keywords | Inteligencia Artificial | |
| dc.subject.keywords | Procesamiento digital de imágenes | |
| dc.description.abstractenglish | The presence of artifacts in digital radiography images represents a significant
challenge for diagnostic quality, as it may alter the visualization of anatomical structures and
affect clinical interpretation. In response to this issue, various tools based on digital image
processing and artificial intelligence have been developed to support the automated detection
and correction of these image distortions. The objective of this study was to analyze the
performance of open-source software prototypes designed for artifact correction in
radiographic images through a systematic review of recent scientific literature. Different
technological solutions were examined considering their technical foundations, performance
metrics, operational advantages, limitations, and applicability within clinical environments.
The findings indicate that open source tools have achieved significant progress in artifact
reduction and image quality enhancement, particularly when incorporating deep learning
models. Furthermore, opportunities were identified regarding clinical validation,
methodological standardization, and the integration of these solutions into radiological
workflows. In conclusion, open-source software represents a technically viable and highly
accessible alternative for strengthening quality control processes in digital radiology,
promoting the development of innovative and adaptable solutions for diverse healthcare
settings. | |