• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Browse

    All of UVaDOCCommunitiesBy Issue DateAuthorsSubjectsTitles

    My Account

    Login

    Statistics

    View Usage Statistics

    Share

    View Item 
    •   UVaDOC Home
    • FINAL DEGREE PROJECTS
    • Trabajos Fin de Grado UVa
    • View Item
    •   UVaDOC Home
    • FINAL DEGREE PROJECTS
    • Trabajos Fin de Grado UVa
    • View Item
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Export

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/18856

    Título
    Modelo mecánico para la detección de la pared externa de la aorta en imágenes de rayos X mediante sistemas de partículas para el modelado de AAA.
    Autor
    Díaz Carral, Ángel
    Director o Tutor
    Tristán Vega, AntonioAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela de Ingenierías IndustrialesAutoridad UVA
    Año del Documento
    2016
    Titulación
    Grado en Ingeniería Mecánica
    Abstract
    En este proyecto se presenta un método para segmentar imágenes de rayos X de Aneurisma de Aorta Abdominal (AAA) con el fin de obtener el espesor de la aorta, el cual es un factor biomecánico relevante a la hora de evaluar la probabilidad de ruptura del aneurisma. La segmentación se basará en un modelo deformable de masas-muelles guiado por fuerzas externas dependientes de las características de la imagen. Éstas se obtienen con un modelo de grises al que se aplica una técnica de reconocimiento de patrones, el algoritmo de tipo lazy learning conocido como “k-nearest neighbors” (k-NN). Éste es el paso más complejo y caro computacionalmente, por lo que será el centro del proyecto. Además, se añaden dos propuestas de mejora para el algoritmo d segmentación, como son el preprocesado de la imagen y el cálculo del valor medio local de la imagen como característica
    Materias (normalizadas)
    Aorta
    Imágenes, Tratamiento de las
    Imágenes médicas
    Rayos X
    Departamento
    Departamento de Ciencias de los Materiales e Ingeniería Metalúrgica, Expresión Gráfica en la Ingeniería, Ingeniería Cartográfica, Geodesia y Fotogrametría, Ingeniería Mecánica e Ingeniería de los Procesos de Fabricación
    Idioma
    spa
    URI
    http://uvadoc.uva.es/handle/10324/18856
    Derechos
    openAccess
    Collections
    • Trabajos Fin de Grado UVa [30971]
    Show full item record
    Files in this item
    Nombre:
    TFG-I-463.pdf
    Tamaño:
    2.824Mb
    Formato:
    Adobe PDF
    Thumbnail
    FilesOpen
    Attribution-NonCommercial-NoDerivatives 4.0 InternationalExcept where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10