Entitat: Universitat Rovira i Virgili (URV)
Confidencialitat: No
Ensenyament(s): Ciència de Dades Biomèdiques
Aprenentatge Servei: No
Títol en diferents idiomes: Aprofitant models de propòsit general per millorar la segmentació de tumors de cap i coll
Resum: Aquesta tesi se centra en la millora de la segmentació dels tumors de cap i coll, una tasca difícil a causa de la complexa anatomia de la regió i la variabilitat del tumor. Avalua el model nnU-Net, identificant els seus punts forts i limitacions. Per millorar el rendiment, s'introdueixen els models pre-entrenats STU-Net-B i STU-Net-H, amb STU-Net-H que millora significativament la precisió de la segmentació. La tesi proposa un nou marc, nnSAM-3D, que integra el codificador SAM-Med3D amb nnU-Net per aprofitar les dades multimodals de TC i PET. Aquest enfocament assoleix un rendiment competitiu mantenint un nombre baix de paràmetres entrenables del model. El treball destaca el potencial dels models pre-entrenats i suggereix investigacions futures per obtenir millors resultats.
Matèria: Imatgeria mèdica
Curs acadèmic: 2023-2024
Idioma: en
Data de la defensa del treball: 2024-09-12
Àrees temàtiques: Ciències de la salut
Estudiant: Rodriguez Llana, Sergio
Codirector del treball: Diaz Badilla, Emily Natasha
Departament: Enginyeria Informàtica i Matemàtiques
Data d'alta al repositori: 2025-03-03
Paraules clau: Imatges mèdiques, segmentació de tumors automàtica, models d’aprenentatge profund
Títol en la llengua original: Leveraging General-purpose Models for Enhanced Head and Neck Tumor Segmentation
Drets d'accés: info:eu-repo/semantics/openAccess
Director del projecte: Nagarajan, Bhalaji
Repositori URV