RT Generic
T1 Generación y clasificación de imágenes de MRI mediante modelos  de difusión y aprendizaje profundo.
T2 MRI Image generation and classification through diffusion models  and Deep Learning.
A1 García Borrego, Mario
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería Informática - Trabajos Fin de Grado
AB Las técnicas de deep learning están adquiriendo un papel cada vez más rele vante en el ámbito médico, siendo su capacidad para analizar grandes volúmenesde datos un gran apoyo al diagnóstico clínico. Este trabajo de fin de grado se cen tra en la exploración de herramientas basadas en aprendizaje profundo para ladetección automática de lesiones cerebrales a partir de imágenes de resonanciamagnética (MRI), con el objetivo de evaluar su aplicabilidad en entornos médicosreales.Para alcanzar este objetivo, se ha utilizado una herramienta basada en la ar quitectura ResNet-18 desarrollando un clasificador adaptado al ámbito médico yque realice la segmentación que nos interesa. Por otro lado, la naturaleza de lasimágenes y del propio trabajo hacen que aparezca una serie de dificultades querepresenta la otra gran tarea del proyecto.Uno de los principales retos a los que se enfrenta este tipo de aplicaciones esla limitada disponibilidad de datos. Para abordar esta limitación, se ha implemen tado un modelo de difusión guiada (guided diffusion) que permite la generaciónde imágenes sintéticas a partir de un conjunto reducido de muestras reales. Estasimágenes se emplean como apoyo al entrenamiento del clasificador.El trabajo se orienta a analizar si la incorporación de datos sintéticos puedecontribuir a mejorar la capacidad de generalización del modelo de clasificación.
YR 2025
FD 2025
LK https://hdl.handle.net/10630/45928
UL https://hdl.handle.net/10630/45928
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 19 mar 2026