Please use this identifier to cite or link to this item: http://repositorio.ugto.mx/handle/20.500.12059/10479
Full metadata record
DC FieldValueLanguage
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.creatorDiana J. Torres Lópezes_MX
dc.date.accessioned2024-03-19T16:20:09Z-
dc.date.available2024-03-19T16:20:09Z-
dc.date.issued2024-01-10-
dc.identifier.urihttp://repositorio.ugto.mx/handle/20.500.12059/10479-
dc.description.abstractEn el ámbito médico actual, la laparoscopia emerge como una técnica quirúrgica de mínima invasión, esencial tanto en el diagnóstico como en el tratamiento de patologías intraabdominales. A pesar de su revolucionario impacto, al reducir traumatismos y optimizar la visualización mediante el uso del laparoscopio, esta modalidad enfrenta desafíos inherentes, particularmente en su integración con sistemas robóticos avanzados, como el sistema Da Vinci. Uno de los retos más críticos es la precisa identificación y seguimiento de las herramientas quirúrgicas, crucial para garantizar una operación exitosa y segura. Con el advenimiento de la inteligencia artificial, y en particular de la visión por computadora, se han propuesto soluciones basadas en el aprendizaje profundo para la detección y rastreo de instrumentos en entornos laparoscópicos. No obstante, aún se observan limitaciones, especialmente en la segmentación precisa de instrumentos frente a tejidos adyacentes. Ante este escenario, el presente estudio propone investigar la eficacia de algoritmos de vanguardia en segmentación semántica de imágenes para solventar dichas limitaciones. Más allá de un análisis comparativo de algoritmos actuales, este trabajo aspira a sentar precedentes para el desarrollo de métodos de segmentación especializados para imágenes laparoscópicas. La segmentación precisa es imperativa en la laparoscopia, facilitando la identificación de áreas críticas, optimizando maniobras quirúrgicas y reduciendo riesgosintraoperatorios. A través de esta investigación se busca no solo potenciar la laparoscopia, sino también ofrecer una herramienta integral que aumente la seguridad y eficiencia, y que permita una disminución de los costos asociados a tecnologías médicas de punta.es_MX
dc.language.isospaes_MX
dc.publisherUniversidad de Guanajuatoes_MX
dc.relationhttps://www.jovenesenlaciencia.ugto.mx/index.php/jovenesenlaciencia/article/view/4218es_MX
dc.rightsinfo:eu-repo/semantics/openAccesses_MX
dc.sourceJóvenes en la Ciencia: Congreso Internacional de electrónica y cómputo aplicado 2023, Vol. 25 (2024)es_MX
dc.titleAplicación y Comparativa de Modelos Estado del Arte en Segmentación Semántica para Imágenes Laparoscópicases_MX
dc.title.alternativeApplication and Comparison of State-of-the-Art Models in Semantic Segmentation for Laparoscopic Imageen
dc.typeinfo:eu-repo/semantics/articlees_MX
dc.subject.ctiinfo:eu-repo/classification/cti/3es_MX
dc.subject.keywordsInteligencia artificiales_MX
dc.subject.keywordsImágenes laparoscópicases_MX
dc.subject.keywordsSegmentación semánticaes_MX
dc.subject.keywordsAprendizaje profundoes_MX
dc.subject.keywordsVisión por computadora en medicinaes_MX
dc.subject.keywordsArtificial intelligenceen
dc.subject.keywordsLaparoscopic imagingen
dc.subject.keywordsSemantic segmentationen
dc.subject.keywordsDeep learningen
dc.subject.keywordsComputer vision in medicinees_MX
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_MX
dc.creator.twoDaniel A. Gutierrez Jimenezes_MX
dc.creator.threeSEBASTIAN SALAZAR COLORESes_MX
dc.creator.idtwoinfo:eu-repo/dai/mx/orcid/0009-0007-0524-2921es_MX
dc.creator.idthreeinfo:eu-repo/dai/mx/cvu/477758es_MX
Appears in Collections:Revista Jóvenes en la Ciencia



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.