BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0200
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20170219T020000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:-0300
TZOFFSETTO:-0200
TZNAME:-02
DTSTART:20171015T030000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:-0200
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20180218T020000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:-0300
TZOFFSETTO:-0200
TZNAME:-02
DTSTART:20181104T030000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:-0200
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20190217T020000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20181128T120000
DTEND;TZID=America/Sao_Paulo:20181128T130000
DTSTAMP:20260617T200033
CREATED:20181126T124024Z
LAST-MODIFIED:20181127T214705Z
UID:3455-1543406400-1543410000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Nicolas Roulet
DESCRIPTION:Título: Segmentación automática multi-tarea de imágenes médicas utilizando redes neuronales profundas.\nDirectores: Enzo Ferrante y Diego Fernandez Slezak.\nJurados: Pablo Riera\, Agustín Gravano y Pablo Negri.\nResumen:\n\nLas distintas técnicas de imágenes médicas constituyen una parte fundamental de la investigación y el diagnóstico médico. En la actualidad\, la aplicación de métodos computacionales para enriquecer la información provista por estos estudios presenta posibilidades muy variadas para la asistencia a profesionales en distintos ámbitos médicos. En particular\, la identificación de estructuras anatómicas y patológicas en imágenes cerebrales es de gran utilidad para elaborar diagnósticos y estudiar la evolución temporal de enfermedades o lesiones. \nEl presente trabajo estudia el problema de la segmentación automática de imágenes médicas para identificar tanto estructuras anatómicas (los diferentes tejidos cerebrales como materia blanca\, gris\, etc.) como patológicas (como tumores o distintos tipos de lesiones) simultáneamente\, utilizando Redes Neuronales Convolucionales. El objetivo es entrenar un único modelo capaz de producir segmentaciones de ambas estructuras de interés\, a partir de dos conjuntos de datos de referencia\, cada uno etiquetado en función de sólo una de las tareas. En esta tesis de licenciatura se discutirán las particularidades de la segmentación multi-tarea con bases de datos disjuntas y sus diferencias con el clásico problema de segmentación multi-clase\, se propondrán nuevas estrategias para abordar el problema en base a \textit{funciones de costo selectivas} y se estudiará su desempeño en el contexto de la segmentación de neuroimágenes\, evaluando los resultados sobre datasets con etiquetas combinadas de referencia. \nLos resultados obtenidos sugieren que las nuevas funciones de costo selectivas propuestas presentan un mejor rendimiento que las existentes en la literatura\, y abren la puerta al desarrollo de nuevos métodos de segmentación multi-tarea en el contexto de las neuroimágenes.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-nicolas-roulet/
LOCATION:Laboratorio 1
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR