Entidad: Universitat Rovira i Virgili (URV)
Confidencialidad: No
Enseñanza(s): Ciència de Dades Biomèdiques
APS: No
Título en diferentes idiomas: Aprovechando modelos de uso general para mejorar la segmentación de tumores de cabeza y cuello
Resumen: 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.
Materia: Imatgeria mèdica
Curso académico: 2023-2024
Idioma: en
Fecha de la defensa del trabajo: 2024-09-12
Áreas temàticas: Ciencias de la salud
Estudiante: Rodriguez Llana, Sergio
Codirector del trabajo: Diaz Badilla, Emily Natasha
Departamento: Enginyeria Informàtica i Matemàtiques
Fecha de alta en el repositorio: 2025-03-03
Palabras clave: Imagenes médicas, segmentation de tumores automática, modelos de aprendizaje profundo
Título en la lengua original: Leveraging General-purpose Models for Enhanced Head and Neck Tumor Segmentation
Derechos de Accesso: info:eu-repo/semantics/openAccess
Director del proyecto: Nagarajan, Bhalaji
Repositori URV