المؤلفون: Abad Vazquez, Maider

المساهمون: University/Department: Universitat Oberta de Catalunya. Escola de Doctorat

Thesis Advisors: Casas-Roma, Jordi, Prados Carrasco, Ferran

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: intel·ligència artificial, inteligencia artificial, artificial intelligence, visió per computador, visión por computador, computer vision, preprocessament d'imatges, preprocesamiento de imágenes, image preprocessing, imatge mèdica, imagen médica, medical imaging, adaptació de domini, adaptación de dominio, domain adaptation, mètodes d’ensamblatge, métodos de ensamblaje, ensemble methods

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/692630

المؤلفون: Julià i Juanola, Adrià

المساهمون: University/Department: Universitat de Girona. Departament d'Informàtica, Matemàtica Aplicada i Estadística (2013-)

Thesis Advisors: Boada, Imma, Ruiz Altisent, Marc

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Medical imaging, Imatge mèdica, Imagen médica, Composite materials, Materials compostos, Materiales compuestos, Micro-computed tomography, Tomografia computeritzada, Tomografía computerizada, Fibre tracking, Seguiment de fibres, Seguimiento de fibras, Structure tensor, Tensor d'estructura, Tensor de estructura, Image processing, Processament d'imatges, Procesamiento de imágenes, Curvature measurement, Mesurament de la curvatura, Medición de la curvatura

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/689007

المؤلفون: Jiménez Sánchez, Amelia

المساهمون: University/Department: Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions

Thesis Advisors: Piella Fenoy, Gemma, Mateus, Diana

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Learning representations, Medical image analysis, Medical image diagnosis, Deep learning, Capsule nerworks, Curriculum learning, Federated learning, Domain adaptation, Aprendizaje de representaciones, Análisis de imagen médica, Diagnóstico en imagen mèdica, Aprendizaje profundo, Aprendizaje curricular, Aprendizaje federado, Adaptación al dominio

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/672839

المؤلفون: Zhang, Yajie

Thesis Advisors: Roig i Serra, Anna, Rosell Novel, Anna, Sebastián Pérez, Rosa M.

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Bionanomaterials, Bionanomateriales, Tecniques d'imatge medica, Tecnicas de imagen medica, Medical imaging techniques, Administracio de farmacs, Administracion de farmacos, Drug delivery carriers, Ciències Experimentals

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/671000

المؤلفون: Xiberta, Pau

المساهمون: University/Department: Universitat de Girona. Departament d'Informàtica, Matemàtica Aplicada i Estadística (2013-)

Thesis Advisors: Boada, Imma, Bardera i Reig, Antoni

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Medical imaging, Imatge mèdica, Imagen médica, E-learning, Aprenentatge en línia, Aprendizaje en línea, Radiology, Radiologia, Radiología, Education, Ensenyament, Enseñanza, Veterinary, Veterinària, Veterinaria, Meet science, Ciència de la carn, Ciencia de la carne, Tissue quantification, Quantificació de teixits, Cuantificación de tejidos

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/668808

المؤلفون: Roura Pérez, Eloy

المساهمون: University/Department: Universitat de Girona. Departament d'Arquitectura i Tecnologia de Computadors

Thesis Advisors: eloy.roura@gmail.com, Lladó Bardera, Xavier, Oliver i Malagelada, Arnau, Institut de Recerca en Visió per Computador i Robòtica

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Magnetic resonance imaging, Imatges per resonància magnètica, Imágenes por resonancia magnética, Lupus, Multiple sclerosis, Esclerosi múltiple, Esclerosis múltiple, Brain, Cervell, Cerebro, White matter lesions, Lesions en la matèria blanca, Lesiones en la materia blanca, Medical image analysis, Anàlisi d'imatge mèdica, Análisis de imagen médica, Lesion segmentation, Segmentació de lesions, Segmentación de lesiones

Time: 616.8

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/394030

المؤلفون: Núñez Do Rio, Joan M.

المساهمون: University/Department: Universitat Autònoma de Barcelona. Departament de Ciències de la Computació

Thesis Advisors: Vilariño Freire, Fernando L.

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Patrons vasculars, Patrones vasculares, Vascular patterns, Colonoscòpia, Colonoscopia, Colonoscopy, Imatge mèdica, Imagen médica, Medical imaging, Tecnologies

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/325145

المؤلفون: Ganiler, Onur

المساهمون: University/Department: Universitat de Girona. Departament d'Arquitectura i Tecnologia de Computadors

Thesis Advisors: Lladó Bardera, Xavier

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Computer vision, Visió per computador, Visión por computador, Medical imaging, Imatge mèdica, Imagen médica, Automated change detection, Detecció automàtica de canvis, Detección automática de cambios, Time series analysis, Anàlisi de sèries temporals, Análisis de series temporales

وصف الملف: application/pdf

URL الوصول: http://hdl.handle.net/10803/283552

المؤلفون: Sara Cañaveral, Carlos Mera-Banguero, Rubén D. Fonnegra

المصدر: TecnoLógicas, Vol 27, Iss 60, Pp e3052-e3052 (2024)

مصطلحات موضوعية: cáncer de mama, imagen médica, resonancia magnética, generación de imagen postcontraste, aprendizaje profundo, Technology, Engineering (General). Civil engineering (General), TA1-2040

وصف الملف: electronic resource

Relation: https://revistas.itm.edu.co/index.php/tecnologicas/article/view/3052; https://doaj.org/toc/0123-7799; https://doaj.org/toc/2256-5337

URL الوصول: https://doaj.org/article/f40dc8a364f94cd3be54cac46ca56361

المؤلفون: Zaragoza Rubira, Juan Ramón

مصطلحات موضوعية: Imagen médica, cuerpo humano, Medicina, Física, Lección Inaugural, Curso académico 2000-2001, Editorial Universidad de Sevilla

Relation: Sevilla; https://idus.us.es/handle//11441/161655

الاتاحة: https://idus.us.es/handle//11441/161655

المؤلفون: García Pañella, Oscar

المساهمون: University/Department: Universitat Ramon Llull. EALS - Informàtica

Thesis Advisors: oscarg@salle.url.edu, Susín, Antoni, Fernández, Gabriel

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Serious Games, Medical Imaging, SPECT, Simulator, Interaction, 3D Graphics, Image Processing, Virtual Reality, Telemedicine, Juegos Serios, Imagen Médica, Simulador, Interacción, Gráficos 3D, Procesado de Imagen, Realidad Virtual, Telemedicina, Jocs Seriosos, Imatge Mèdica, Interacció, Gràfics 3D, Tractament d'Imatge, Realitat Virtual, Tecnologies Media

وصف الملف: application/pdf

URL الوصول: http://www.tdx.cat/TDX-1018110-183750
http://hdl.handle.net/10803/9162

المؤلفون: Rosales Ramírez, Misael Darío

المساهمون: University/Department: Universitat Autònoma de Barcelona. Departament d'Informàtica

Thesis Advisors: Radeva, Petia

المصدر: TDX (Tesis Doctorals en Xarxa)

مصطلحات موضوعية: Ultrasonido, Imagen médica, IVUS, Tecnologies

وصف الملف: application/pdf

URL الوصول: http://www.tdx.cat/TDX-0809106-134935
http://hdl.handle.net/10803/3052

المؤلفون: Clau Terré, Fernando, Vicho Pereira, Raul, Ayuela Azcárate, Jose Maria, Ruiz Bailén, Manuel

المصدر: Med Intensiva (Engl Ed) ; ISSN:2173-5727 ; Volume:49 ; Issue:1

مصطلحات موضوعية: Artificial intelligence, Diagnosis, Diagnóstico, Echocardiography, Ecocardiografía, Ecografía, Imagen médica, Inteligencia artificial, Medical images, Monitoring, Monitorización, Software

Relation: https://doi.org/10.1016/j.medine.2024.09.010; https://pubmed.ncbi.nlm.nih.gov/39368887

الاتاحة: https://doi.org/10.1016/j.medine.2024.09.010
https://pubmed.ncbi.nlm.nih.gov/39368887

المؤلفون: Cañaveral, Sara, Mera-Banguero, Carlos, Fonnegra, Rubén D.

المصدر: TecnoLógicas; Vol. 27 No. 60 (2024); e3052 ; TecnoLógicas; Vol. 27 Núm. 60 (2024); e3052 ; 2256-5337 ; 0123-7799

مصطلحات موضوعية: Cáncer de mama, imagen médica, resonancia magnética, generación de imagen postcontraste, aprendizaje profundo, Breast cancer, diagnostic imaging, magnetic resonance imaging, postcontrast image generation, deep learning

وصف الملف: application/pdf

Relation: https://revistas.itm.edu.co/index.php/tecnologicas/article/view/3052/3306; https://revistas.itm.edu.co/index.php/tecnologicas/article/view/3052/3318; M. P. Jimenez Herrera, “Informe de Evento Cáncer de Mama y Cuello Uterino en Colombia 2018,” Instituto Nacional de Salud, Colombia, Versión 04, May 2018. [Online]. Available: https://bit.ly/3J1FcnV; M. Martín, A. Herrero, and I. Echavarría, “El cáncer de mama,” Arbor, vol. 191, no. 773, p. a234, Jun. 2015. https://doi.org/10.3989/arbor.2015.773n3004; IARC. “Data visualization tools for exploring the global cancer burden in 2022.” iarc.who. Accessed: Feb. 20, 2024. [Online.] Available: https://gco.iarc.who.int/today/en; X. Zhou et al., “A Comprehensive Review for Breast Histopathology Image Analysis Using Classical and Deep Neural Networks,” IEEE Access, vol. 8, pp. 90931-90956, May. 2020. https://doi.org/10.1109/ACCESS.2020.2993788; H. V. Guleria et al., “Enhancing the breast histopathology image analysis for cancer detection using Variational Autoencoder,” Int. J. Environ. Res. Public Health., vol. 20, no. 5, p. 4244, Feb. 2023. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10002012/; Instituto Nacional del Cáncer. “Tratamiento del cáncer de seno.” cancer.gov. Accessed: Feb. 20, 2024. [Online.] Available: https://www.cancer.gov/espanol/tipos/seno/paciente/tratamiento-seno-pdq; S. G. Macias, “Métodos de imagen en el estudio de la mama - Ecografía mamaria,” Editorial Medica Panamericana, Bogotá, Colombia, Módulo 1, 2019. https://bit.ly/4aFIg4y; P. E. Freer, “Mammographic breast density: Impact on breast cancer risk and implications for screening,” Radiographics, vol. 35, no. 2, pp. 302–315, Mar. 2015. https://doi.org/10.1148/rg.352140106; P. Campáz-Usuga, R. D. Fonnegra, and C. Mera, “Quality Enhancement of Breast DCE-MRI Images Via Convolutional Autoencoders,” in 2021 IEEE 2nd International Congress of Biomedical Engineering and Bioengineering (CI-IB&BI), Bogotá D.C., Colombia, 2021, pp. 1-4. https://doi.org/10.1109/CI-IBBI54220.2021.9626097; Y. M. Rodríguez Marcano, I. González, H. Palencia, M. Sandoval, and L. León, “Mamografía espectral con realce de contraste. Nuestra experiencia,” Revista Venezolana de Oncologia, vol. 26, no. 4, pp. 743–751, Dec. 2014. https://www.redalyc.org/articulo.oa?id=375633971003; I. Pérez-Zúñiga, Y. Villaseñor-Navarro, M. P. Pérez-Badillo, R. Cruz-Morales, C. Pavón-Hernández, and L. Aguilar-Cortázar, “Resonancia magnética de mama y sus aplicaciones,” Gaceta Mexicana de Oncologia, vol. 11, no. 4, pp. 268–280, 2012. https://www.elsevier.es/es-revista-gaceta-mexicana-oncologia-305-articulo-resonancia-magnetica-mama-sus-aplicaciones-X1665920112544919; C. Balleyguier et al., “New potential and applications of contrast-enhanced ultrasound of the breast: Own investigations and review of the literature,” Eur. J. Radiol., vol. 69, no. 1, pp. 14–23, Jan. 2009. https://doi.org/10.1016/J.EJRAD.2008.07.037; R. Valenzuela, O. Arevalo, A. Tavera, R. Riascos, E. Bonfante, and R. Patel, “Imágenes del depósito de gadolinio en el sistema nervioso central,” Revista Chilena de Radiologia, vol. 23, no. 2, pp. 59–65, Jul.2017. https://doi.org/10.4067/S0717-93082017000200005; F. Gao, T. Wu, X. Chu, H. Yoon, Y. Xu, and B. Patel, “Deep Residual Inception Encoder-Decoder Network for Medical Imaging Synthesis,” IEEE J. Biomed. Health Inform., vol. 24, no. 1, pp. 39–49, Jan. 2020. https://doi.org/10.1109/JBHI.2019.2912659; F. Gao et al., “SD-CNN: A shallow-deep CNN for improved breast cancer diagnosis,” Computerized Medical Imaging and Graphics, vol. 70, pp. 53–62, Dec. 2018. https://doi.org/10.1016/j.compmedimag.2018.09.004; K. Wu et al., “Image synthesis in contrast MRI based on super resolution reconstruction with multi-refinement cycle-consistent generative adversarial networks,” J. Intell. Manuf., vol. 31, no. 5, pp. 1215–1228, Jun. 2020. https://doi.org/10.1007/s10845-019-01507-7; E. Kim, C. Hwan-Ho, J. Kwon, O, Young-Tack, E. S. Ko, and H. Park, “Tumor-Attentive Segmentation-Guided GAN for Synthesizing Breast Contrast-Enhanced MRI Without Contrast Agents,” IEEE Journal of Translational Engineering in Health and Medicine, vol. 11, pp. 32-43, Nov. 2023. https://doi.org/10.1109/JTEHM.2022.3221918; Y. Jiang, Y. Zheng, W. Jia, S. Song, and Y. Ding, “Synthesis of contrast-enhanced spectral mammograms from low-energy mammograms using cGAN-based synthesis network,” in Medical Image Computing and Computer Assisted Intervention – MICCAI 2021, M. de Bruijne, et al., Eds. Cham: Springer International Publishing, 2021, pp. 68–77. https://doi.org/10.1007/978-3-030-87234-2_7; D. Huangz, and M. Feng, “Understanding Deep Convolutional Networks for Biomedical Imaging: A Practical Tutorial,” in 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Berlin, Germany, 2019, pp. 857-863. https://doi.org/10.1109/EMBC.2019.8857529; C. Shorten, and T. M. Khoshgoftaar, “A survey on Image Data Augmentation for Deep Learning,” J. Big Data, vol. 6, no. 1, Jul. 2019. https://doi.org/10.1186/s40537-019-0197-0; A. Beers et al., “High-resolution medical image synthesis using progressively grown generative adversarial networks,” 2018, ArXiv: 1805.03144. https://arxiv.org/abs/1805.03144; T. Shen, C. Gou, J. Wang, and F. -Y. Wang, “Collaborative Adversarial Networks for Joint Synthesis and Segmentation of X-ray Breast Mass Images,” in 2020 Chinese Automation Congress (CAC), Shanghai, China, 2020, pp. 1743-1747. https://doi.org/10.1109/CAC51589.2020.9326848; Y. Pang, J. Lin, T. Qin, and Z. Chen, “Image-to-Image Translation: Methods and Applications,” IEEE Trans. Multimedia, vol. 24, pp. 3859–3881, Sep. 2021. https://doi.org/10.1109/TMM.2021.3109419; M. Carmen, J. Lizandra, C. Monserrat, A. José, and H. Orallo, “Síntesis de Imágenes en Imagen Médica,” Universidad Politécnica de Valencia, 2003. https://josephorallo.webs.upv.es/escrits/ACTA3.pdf; A. Anwar “Difference between AutoEncoder (AE) and Variational AutoEncoder (VAE),” towardsdatascience.com Accessed: Feb. 20, 2024. [Online]. Available: https://towardsdatascience.com/difference-between-autoencoder-ae-and-variational-autoencoder-vae-ed7be1c038f2; W. Weng, and X. Zhu, “INet: Convolutional Networks for Biomedical Image Segmentation,” IEEE Access, vol. 9, pp. 16591-16603, 2021. https://doi.org/10.1109/ACCESS.2021.3053408; I. J. Goodfellow et al., “Generative Adversarial Networks,” Advances in Neural Information Processing Systems, vol. 14, Jun. 2014. https://doi.org/https://doi.org/10.48550/arXiv.1406.2661; I. C. Moreira, I. Amaral, I. Domingues, A. Cardoso, M. J. Cardoso, and J. S. Cardoso “INbreast: toward a full-field digital mammographic database,” Acad. Radiol., vol. 19, no. 2, pp. 236-248, Feb. 2012. https://doi.org/10.1016/j.acra.2011.09.014; F. Gao, T. Wu, X. Chu, H. Yoon, Y. Xu, and B. Patel, “Deep Residual Inception Encoder-Decoder Network for Medical Imaging Synthesis,” IEEE Journal of Biomedical and Health Informatics, vol. 24, no. 1, pp. 39–49, Apr. 2020. https://doi.org/10.1109/JBHI.2019.2912659; M. Mori et al., “Feasibility of new fat suppression for breast MRI using pix2pix,” Jpn. J. Radiol., vol. 38, no. 11, pp. 1075–1081, Nov. 2020. https://doi.org/10.1007/s11604-020-01012-5; P. Isola, Z. Jun-Yan, T. Zhou, and A. A. Efros, “Image-to-Image Translation with Conditional Adversarial Networks,” in 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, HI, USA, 2017, pp. 5967-5976. https://doi.org/10.1109/CVPR.2017.632; P. Wang et al., “Synthesizing the First Phase of Dynamic Sequences of Breast MRI for Enhanced Lesion Identification,” Front. Oncol., vol. 11, Dec. 2021. https://doi.org/10.3389/fonc.2021.792516; Z. Sani, R. Prasad, and E. K. M. Hashim, “Breast Cancer Detection in Mammography using Faster Region Convolutional Neural Networks and Group Convolution,” ETE J. Res., pp. 1–17, May 2024. https://doi.org/10.1080/03772063.2024.2352643; M. Fan et al., “Generative adversarial network-based synthesis of contrast-enhanced MR images from precontrast images for predicting histological characteristics in breast cancer,” Phys. Med. Biol., vol. 69, no. 9, p. 095002, Apr. 2024. https://doi.org/10.1088/1361-6560/ad3889; O. Young-Tack, E. Ko, and H. Park, “TDM-Stargan: Stargan Using Time Difference Map to Generate Dynamic Contrast-Enhanced Mri from Ultrafast Dynamic Contrast-Enhanced Mri,” in 2022 IEEE 19th International Symposium on Biomedical Imaging (ISBI), Kolkata, India, 2022, pp. 1-5. https://doi.org/10.1109/ISBI52829.2022.9761463; T. Fujioka et al., “Proposal to improve the image quality of short-acquisition time-dedicated breast positron emission tomography using the Pix2pix generative adversarial network,” Diagnostics, vol. 12, no. 12, p. 3114, Dec. 2022. https://doi.org/10.3390/diagnostics12123114; G. Jiang, Y. Lu, J. Wei, and Y. Xu, “Synthesize Mammogram from Digital Breast Tomosynthesis with Gradient Guided cGANs,” Springer International Publishing, D. Shen et al., Eds. vol. 11769, Oct. 2019. https://doi.org/10.1007/978-3-030-32226-7_89; B. Yu, L. Zhou, L. Wang, Y. Shi, J. Fripp, and P. Bourgeat, “Ea-GANs: Edge-Aware Generative Adversarial Networks for Cross-Modality MR Image Synthesis,” IEEE Transactions on Medical Imaging, vol. 38, no. 7, pp. 1750–1762, Jan. 2019. https://doi.org/10.1109/TMI.2019.2895894; B. H. Menze et al., “The Multimodal Brain Tumor Image Segmentation Benchmark (BRATS),” IEEE Transactions on Medical Imaging, vol. 34, no. 10, pp. 1993-2024, Dec. 2015. https://doi.org/10.1109/TMI.2014.2377694; D. Duque-Arias et al., “On power jaccard losses for semantic segmentation,” in Proceedings of the 16th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, Setúbal, Portugal, 2021, pp. 561–568. https://doi.org/10.5220/0010304005610568; M. Berman, A. R. Triki, and M. B. Blaschko, “The Lovasz-Softmax Loss: A Tractable Surrogate for the Optimization of the Intersection-Over-Union Measure in Neural Networks,” in 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City, UT, USA, 2018, pp. 4413-4421. https://doi.org/10.1109/CVPR.2018.00464; B. Xu, N. Wang, T. Chen, and M. Li, “Empirical Evaluation of Rectified Activations in Convolutional Network,” 2015, arXiv:1505.00853. http://arxiv.org/abs/1505.00853; A. Horé, and D. Ziou, “Image Quality Metrics: PSNR vs. SSIM,” in 2010 20th International Conference on Pattern Recognition, Istanbul, Turkey, 2010, pp. 2366-2369. https://doi.org/10.1109/ICPR.2010.579; https://revistas.itm.edu.co/index.php/tecnologicas/article/view/3052

الاتاحة: https://revistas.itm.edu.co/index.php/tecnologicas/article/view/3052

المؤلفون: Jara Gaspar, Ricardo Junior

المصدر: Revista de investigación de Sistemas e Informática; Vol. 16 Núm. 2 (2023); 229-239 ; Revista de investigación de Sistemas e Informática; Vol. 16 No. 2 (2023); 229-239 ; 1816-3823 ; 1815-0268

مصطلحات موضوعية: Hip Developmental Dysplasia, Deep Learning, Diagnostic Medical Imaging, Generative Adversarial Networks, Image Classification, Displasia del desarrollo de cadera, aprendizaje profundo, imagen médica para diagnóstico, redes generativas antagónicas, clasificación de imágenes

وصف الملف: application/pdf

Relation: https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/view/26710/20651; https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/view/26710

الاتاحة: https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/view/26710
https://doi.org/10.15381/risi.v16i2.26710

المؤلفون: Megías Díaz, Raquel

Thesis Advisors: Belda González, Ricardo, Giner Maravilla, Eugenio, Vercher Martínez, Ana, Universitat Politècnica de València. Departamento de Ingeniería Mecánica y de Materiales - Departament d'Enginyeria Mecànica i de Materials, Generalitat Valenciana, Agencia Estatal de Investigación

مصطلحات موضوعية: Trabecular bone, Finite Elements Method (FEM), Medical imaging, Additive manufacturing, Bio-inspired samples, Triply Periodic Minimal Surface Structures (TPMS), Polylactic acid (PLA), Osteoporosis, Comportamiento mecánico, Hueso trabecular, Compresión, resistencia, Ensayos experimentales, Elementos finitos, Imagen médica, Fabricación aditiva, Muestras bioinspiradas, Estructuras triplemente periódicas de mínima superficie (TPMS), Ácido poliláctico (PLA), INGENIERIA MECANICA, 03.- Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades

Relation: info:eu-repo/grantAgreement/GVA//PROMETEO%2F2021%2F046/; info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2020-118480RB-C22/ES/ANALISIS DE DEFECTOS EN LAMINADOS REFORZADOS CON FIBRAS DEBIDOS A PROCESOS DE FABRICACION Y EFECTO EN EL COMPORTAMIENTO A FATIGA/; info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2020-118480RB-C21/ES/ENSAYO MECANICO DE LAMINADOS CON DEFECTOS Y SIMULACION NUMERICA/; info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2020-118920RB-I00/ES/EVALUACION DEL RIESGO DE FRACTURA OSEA CON PREVALENCIA DE OSTEOPOROSIS MEDIANTE UN ENFOQUE MULTIESCALA/

الاتاحة: http://hdl.handle.net/10251/206355

المؤلفون: Gutiérrez Gil, Jorge

Thesis Advisors: Atienza Vicente, Carlos Manuel, Tur Valiente, Manuel, Universitat Politècnica de València. Departamento de Ingeniería Mecánica y de Materiales - Departament d'Enginyeria Mecànica i de Materials

مصطلحات موضوعية: Método de los elementos finitos, Medicina personalizada, Remodelación ósea, Identificación de parámetros, Imagen médica, Viabilidad clínica, Mejora de la imagen médica, Hueso trabecular, Mecánica computacional, Algoritmos mecanosensoriales, Optimización topológica, Optimización bayesiana, Algoritmos genéticos, Simulación dental, Identificación de cargas, Finite element method, Personalized medicine, Patient specific, Bone remodelling, Parameter identification, In silico, Medical image, Clinical feasibility, Optimization, Medical image enhancement, Trabecular bone, Computationam mechanics, Mechanosensory algorithms, Topology optimization, Bayesian optimization, Genetic algorithms, Dental simulation, Load identification, INGENIERIA MECANICA

Relation: info:eu-repo/grantAgreement/GVA//FDGENT%2F2018/ES/SUBVENCIONES PARA LA FORMACIÓN DE DOCTORES Y DOCTORAS EN EMPRESAS VALENCIANAS (FDEGENT) - 2018

الاتاحة: http://hdl.handle.net/10251/202059

المؤلفون: Pi-Martín, Irene, García-Garrigós, J. J., Cebrecos, Alejandro, Jimenez, Noe, Camarena Femenia, Francisco

المساهمون: Universitat Politècnica de València. Escuela Politécnica Superior de Gandia - Escola Politècnica Superior de Gandia, Universitat Politècnica de València. Instituto de Instrumentación para Imagen Molecular - Institut d'Instrumentació per a Imatge Molecular, AGENCIA ESTATAL DE INVESTIGACION, UNIVERSIDAD POLITECNICA DE VALENCIA

مصطلحات موضوعية: Imagen médica, Tomografía fotoacústica, Ultrasonidos, Medical image, Photoacoustic tomography, Ultrasound, FISICA APLICADA

Relation: info:eu-repo/grantAgreement/AGENCIA ESTATAL DE INVESTIGACION//IJC2018-037897-I//AYUDA JUAN DE LA CIERVA INCORPORACION-JIMENEZ GONZALEZ/; info:eu-repo/grantAgreement/UPV-VIN//PAID-10-19//Development of a Photoacoustic Tomography system for biomedical imaging./; Revista de Acústica (Online); info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-111436RB-C22/ES/NEW TECHNIQUES FOR MULTIMODAL MOLECULAR ELASTOGRAPHIC IMAGING/; https://documentacion.sea-acustica.es/revista/4658; http://hdl.handle.net/10251/199940; urn:eissn:2254-2396

الاتاحة: http://hdl.handle.net/10251/199940

المؤلفون: Tovar-Parra, Karen Dayana, Calvo-Valverde, Luis Alexander, Montero-Zeledón, Ernesto, Murillo-Fernández, Mac Arturo, Perez-Hidalgo, Jose Esteban, Gutiérrez-Fallas, Dionisio Alberto

المصدر: Tecnología en marcha Journal; 2022: Vol. 35 special issue. IEEE International Conference on Bioinspired Processing; Pág. 14-25 ; Revista Tecnología en Marcha; 2022: Vol. 35 especial. IEEE International Conference on Bioinspired Processing; Pág. 14-25 ; 2215-3241 ; 0379-3982

مصطلحات موضوعية: Melanoma, segmentation, machine learning, neural networks, medical image, segmentación, aprendizaje automático, redes neuronales, imagen médica

وصف الملف: application/pdf

Relation: https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6479/6293; https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6479

الاتاحة: https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6479
https://doi.org/10.18845/tm.v35i9.6479

Thesis Advisors: Lamela Rivera, Horacio, Carpintero del Barrio, Guillermo, Universidad Carlos III de Madrid. Departamento de Tecnología Electrónica

مصطلحات موضوعية: Optoelectrónica, Sensores ópticos, Nanotecnología, Láser, Imagen médica, Ingeniería biomédica, Multi-wavelenght optoacoustic system, Medical signal processing, Medical image, Laser diodes, Nanoparticles, Biomedical applications, Electrónica, Óptica

URL الوصول: http://hdl.handle.net/10016/25788