Please use this identifier to cite or link to this item:
https://repository.unad.edu.co/handle/10596/78435Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Guio Jamaica, Edna Rocio | |
| dc.coverage.spatial | cead_-_pasto | |
| dc.creator | Gómez Prado, Leydi Vanesa | |
| dc.creator | Pantoja Pantoja, Cristian David | |
| dc.creator | Delgado Rosero, Karen Juliana | |
| dc.creator | López Dávila, Karol Viviana | |
| dc.creator | Mosquera Gómez, Edwin Fernando | |
| dc.date.accessioned | 2026-02-04T15:48:33Z | |
| dc.date.available | 2026-02-04T15:48:33Z | |
| dc.date.created | 2026-02-01 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/78435 | |
| dc.description.abstract | El presente trabajo aborda la optimización de parámetros de imagen mediante inteligencia artificial (IA) y aprendizaje automático, con el objetivo de mejorar la calidad diagnóstica de las imágenes médicas y reducir la dosis de radiación en los pacientes. En la actualidad, la selección de parámetros técnicos, tales como el kilovoltaje, el miliamperaje o el tiempo de exposición, se basa en gran parte en las recomendaciones del tecnólogo en imágenes diagnósticas, lo que puede provocar fluctuaciones en los resultados. La inteligencia artificial permite analizar grandes volúmenes de datos para ajustar de manera automática los parámetros de adquisición según el tipo de estudio y las características específicas de cada paciente; esto no solo fortalece la seguridad radiológica, sino que también estandariza los procesos y contribuye a la práctica de una medicina personalizada. En este sentido, la investigación resalta la importancia de estas tecnologías como herramientas de apoyo que potencian el trabajo del profesional de la salud. Palabras clave: inteligencia artificial, aprendizaje automático, parámetros de imagen, diagnóstico, radioprotección. | |
| dc.format | ||
| dc.title | Optimización automática de parámetros de adquisición en imágenes diagnósticas mediante algoritmos de inteligencia artificial (IA) y aprendizaje automático (AA) | |
| dc.type | Diplomado de profundización para grado | |
| dc.subject.keywords | Inteligencia Artificial | |
| dc.subject.keywords | Desafíos Técnicos y Operativos | |
| dc.subject.keywords | Radiología | |
| dc.description.abstractenglish | This work addresses the optimization of image parameters through artificial intelligence (AI) and machine learning, with the aim of improving the diagnostic quality of medical images and reducing the radiation dose for patients. Currently, the selection of technical parameters, such as kilovoltage, milliampere or exposure time largely depends on the radiology technologist’s judgment, which can lead to variability in results. AI makes it possible to analyze large amounts of data to automatically adjust acquisition parameters according to the type of study and the specific characteristics of each patient; This not only strengthens radiological safety, but also standardizes processes and contributes to the practice of personalized medicine. In this sense, the research highlights the importance of these technologies as support tools that enhance the work of health professionals. Keywords: artificial intelligence, machine learning, image parameters, diagnosis, radioprotection. | |
| Appears in Collections: | Diplomado de Profundización en Control de la Calidad en Radiología Digital | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Lvgomezpr.pdf | 436.52 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.