¡Descarga Medelamientos de datos para formacuon de imagen y más Monografías, Ensayos en PDF de Tomografía computarizada solo en Docsity!
Optimización de parámetros en tomografía computarizada con inteligencia artificial: comparativa de algoritmos para mejorar imagen y reducir radiación Alejandra Carolina Rojas Gómez Eliana Camargo Reyes Emilce Patarroyo Rosas Karen Milena Torres Joya Mayerly Andrea Castaño Aguirre Asesor Víctor Julio Vargas Universidad Nacional Abierta y a Distancia - UNAD Escuela de Ciencias de la Salud (ECISA) Tecnología en Radiología e Imágenes Diagnosticas 2024 Escaneado con CamScanner Dedicatoria Estimados tutores, queremos expresar nuestro sincero reconocimiento por su valiosa guía y orientación a lo largo del desarrollo de este trabajo. Su dedicación y apoyo han sido esenciales para la realización de esta tesis, y les estamos enormemente agradecidos por ello. Dedicamos este trabajo a cada una de nuestras familias, por su amor incondicional, apoyo constante y por enseñarnos el verdadero valor del esfuerzo y la dedicación. Gracias por ser nuestra fuente de inspiración en cada paso de este recorrido. Este trabajo está dedicado a todas las personas que, con su ejemplo de esfuerzo y perseverancia, nos han inspirado a seguir adelante, incluso en los momentos más difíciles. A quienes, con su confianza en nosotras, nos impulsaron a alcanzar este objetivo. Este logro es un reflejo del apoyo y la motivación que siempre nos brindaron. Este trabajo está dedicado a nosotras, como grupo, por el esfuerzo, la dedicación y la colaboración que hemos compartido a lo largo de este proyecto. A pesar de los retos y dificultades, hemos logrado mantenernos unidas, apoyándonos mutuamente en todo momento. Este logro es el resultado de nuestra determinación y trabajo en equipo, que nos ha permitido superar cada obstáculo juntas. Finalmente, dedicamos este logro a todas las personas que nos ofrecieron su apoyo y sabios consejos durante este proceso, los cuales fueron fundamentales para alcanzar nuestras nuestros objetivos. Escaneado con CamScanner Resumen Esta investigación explora el impacto de la inteligencia artificial (1A) y el aprendizaje automático en la optimización de parámetros de imagen en tomografía computarizada (TC), un enfoque innovador que busca mejorar la calidad de las imágenes diagnósticas y reducir la dosis de radiación administrada a los pacientes. En el ámbito de la radiología, la calidad de imagen es esencial para obtener diagnósticos precisos y reducir los errores, lo cual depende en gran medida de parámetros de adquisición, tales como el voltaje, el amperaje y la resolución. Además, se enfoca en cómo los algoritmos de IA pueden ajustar de manera automática estos parámetros, basándose en factores específicos como el tipo de patología y las características individuales del paciente, logrando un equilibrio entre calidad de imagen y seguridad. A través del análisis de literatura se identifican y discuten los avances en el uso de IA para la optimización en TC. Los algoritmos de IA permiten la minimización de artefactos y el ajuste preciso de parámetros, lo cual eleva la precisión diagnóstica y optimiza el flujo de trabajo en entornos clínicos al reducir estudios adicionales. Así, la IA además de mejorar los procesos de adquisición de imágenes, contribuye a personalizar el diagnóstico médico y la adaptación de protocolos a los pacientes, incrementando la eficiencia y seguridad en radiología. Por tanto, se subraya el potencial transformador de la IA en la radiología, destacando su capacidad para mejorar la precisión diagnóstica y la eficiencia en la atención al paciente. Sin embargo, es necesario abordar de forma proactiva los desafíos asociados, como aspectos éticos, seguridad, y la formación continua de los profesionales en el uso de IA, para asegurar su correcta integración en la práctica clínica y consolidar la confianza en esta tecnología en el ámbito de la salud. Palabras clave: Inteligencia artificial, optimización de imágenes, control de calidad, radiología, diagnóstico. Escaneado con CamScanner Abstract This research explores the impact of artificial intelligence (Al) and machine learning on the optimization of image parameters in computed tomography (CT), an innovative approach aimed at improving the quality of diagnostic images and reducing the radiation dose administered to patients. In the field of radiology, image quality is essential for obtaining accurate diagnoses and reducing errors, which largely depends on acquisition parameters such as voltage, amperage, and resolution. This work focuses on how Al algorithms can automatically adjust these parameters based on specific factors of each study, such as the type of pathology and individual patient characteristics, achieving a balance between image quality and safety. Through the analysis of recent literature on scientific platforms, the most important advances in the use of Al for optimization in CT are identified and discussed. Al algorithms allow for the minimization of artifacts and the precise adjustment of parameters, which not only enhances diagnostic accuracy but also optimizes workflow in clinical settings by reducing the need for additional studies. The findings of this research highlight that Al, in addition to improving image acquisition processes, contributes to the personalization of medical diagnoses and the adaptation of protocols to patients, thus increasing efficiency and safety in radiology. In summary, this work underscores the transformative potential of Al in radiology, highlighting its ability to improve both diagnostic accuracy and efficiency in patient care. However, it also calls for proactively addressing associated challenges, including ethical considerations, safety issues, and the ongoing training of professionals in the use of Al, to ensure its proper integration into clinical practice and to build trust in this technology within the healthcare sector. Keywords: Artificial intelligence, image optimization, quality control, radiology, diagnosis. Escaneado con CamScanner Lista de Tablas Tabla 1 Comparación de Algoritmos ...oooooiconncnnnncnnnccnnnecnnnncnnnnn conca cnn nr cnn nnn cenar cananea nanncans 28 Escaneado con CamScanner Lista de Figuras Figura 1 Matriz de la Imagen ..oononnccinnnnnninnnnnnnncnnnncennncnnnc nan nnnn nn none nana nn ren nnn narran arrima Figura 2 Blurring CT Medical Images Using a new ModificAti0N ...ooonnioninnnninicnnnccnnnaconnccnnncnrnnns ] Figura 3 Imagen Degradada con PSF de Movimiento, 1% de Ruido y sus Restauraciones ....... ] Figura 4 Filirado Adaptatvo
