Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2648| Predicción del Coeficiente de Esparcimiento en Maniquíes de Piel mediante una Red Neuronal Convolucional tipo U-Net | |
| Manuel Mora Estrada | |
| JULIO CESAR RAMIREZ SAN JUAN Roger Chiu | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Scattering coefficient Absorption coefficient Skin phantoms U-Net Characterization Optical properties Biological tissues Convolutional neural networks Biomedical photonics | |
| El coeficiente de esparcimiento, el coeficiente de absorción y el factor de anisotropía en tejidos son parámetros fundamentales en las ciencias biomédicas. Sin embargo, la determinación precisa de estos coeficientes sigue siendo un desafío, ya que los métodos tradicionales dependen de equipos especializados, simulaciones computacionales intensivas o suponen condiciones ideales, como la homogeneidad de los tejidos, las cuales no siempre reflejan la realidad clínica. Ante estas limitaciones, se presentan los resultados obtenidos mediante la modificación de una red neuronal convolucional tipo U-Net, diseñada para predecir con precisión el coeficiente de esparcimiento. Para entrenar el modelo, se creó una base de datos que contiene imágenes de diversos patrones de luz incoherente esparcida a través de maniquíes con diversas concentraciones de TiO2 y de TiO2 mezclado con tinte café, simulando las variaciones ópticas presentes en los tejidos biológicos. Finalmente, se presentan los resultados de la predicción de los coeficientes de esparcimiento y de absorción, y se comparan con mediciones experimentales obtenidas mediante un método de espectrofotometría con esfera integradora y un método numérico basado en Monte Carlo para multicapas, conocido como Monte Carlo Multi-Layered(MCML). Además, se evaluó el desempeño de la U-Net modificada para la predicción de los coeficientes en comparación con otras arquitecturas y métodos de aprendizaje automático. The scattering coefficient, the absorption coefficient, and the anisotropy factor in tissues are fundamental parameters in biomedical sciences. However, accurately determining these coefficients remains a challenge, as traditional methods rely on specialized equipment, computationally intensive simulations, or assume ideal conditions, such as tissue homogeneity, which do not always reflect clinical reality. To address these limitations, the results obtained using a modified U-Net convolutional neural network, designed to accurately predict the scattering coefficient, are presented. To train the model, a database was created containing images of various incoherent light patterns scattered through phantoms with different concentrations of TiO2 and TiO2 mixed with brown dye, simulating the optical variations present in biological tissues. Finally, the results of the scattering and absorption coefficient predictions are presented and compared with experimental measurements obtained using an integrating sphere spectrophotometry method and a numerical method based on Monte Carlo for multilayers, known as Monte Carlo Multi-Layered (MCML). Additionally, the performance of the modified U-Net in predicting the coefficients was evaluated in comparison with other architectures and machine learning methods. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2024-11 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Mora Estrada, M. (2024), Predicción del Coeficiente de Esparcimiento en Maniquíes de Piel mediante una Red Neuronal Convolucional tipo U-Net, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| OTRAS ESPECIALIDADES MÉDICAS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias y Tecnologías Biomédicas |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| MORAEM_MCTB.pdf | 7.43 MB | Adobe PDF | Visualizar/Abrir |