Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas
34 páginas
- Autores:
-
Mesa Hernández, Pablo
Restrepo Quiñones, Daniel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/7306
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/7306
- Palabra clave:
- Imagen biomédica
Segmentación de imágenes
Aseguramiento/control de calidad (QA/QC)
Métodos de segmentación basados en aprendizaje profundo
Biomedical imaging
Image segmentation
Quality Assurance/Control (QA/QC)
Deep learning-based segmentation methods
- Rights
- openAccess
- License
- Derechos Reservados - Universidad EIA, 2025
| id |
REIA2_c95b58c29bd52052699f90c046aaa7b0 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/7306 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas |
| title |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas |
| spellingShingle |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas Imagen biomédica Segmentación de imágenes Aseguramiento/control de calidad (QA/QC) Métodos de segmentación basados en aprendizaje profundo Biomedical imaging Image segmentation Quality Assurance/Control (QA/QC) Deep learning-based segmentation methods |
| title_short |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas |
| title_full |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas |
| title_fullStr |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas |
| title_full_unstemmed |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas |
| title_sort |
Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicas |
| dc.creator.fl_str_mv |
Mesa Hernández, Pablo Restrepo Quiñones, Daniel |
| dc.contributor.advisor.none.fl_str_mv |
Romero R., William A. Gomez Betancur, Duvan Alberto |
| dc.contributor.author.none.fl_str_mv |
Mesa Hernández, Pablo Restrepo Quiñones, Daniel |
| dc.subject.proposal.spa.fl_str_mv |
Imagen biomédica Segmentación de imágenes Aseguramiento/control de calidad (QA/QC) Métodos de segmentación basados en aprendizaje profundo |
| topic |
Imagen biomédica Segmentación de imágenes Aseguramiento/control de calidad (QA/QC) Métodos de segmentación basados en aprendizaje profundo Biomedical imaging Image segmentation Quality Assurance/Control (QA/QC) Deep learning-based segmentation methods |
| dc.subject.proposal.eng.fl_str_mv |
Biomedical imaging Image segmentation Quality Assurance/Control (QA/QC) Deep learning-based segmentation methods |
| description |
34 páginas |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-12-16T12:46:14Z |
| dc.date.available.none.fl_str_mv |
2025-12-16T12:46:14Z |
| dc.date.issued.none.fl_str_mv |
2025 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/7306 |
| url |
https://repository.eia.edu.co/handle/11190/7306 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Derechos Reservados - Universidad EIA, 2025 |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Derechos Reservados - Universidad EIA, 2025 Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad EIA |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.none.fl_str_mv |
Escuela de Ingeniería y Ciencias Básicas |
| dc.publisher.place.none.fl_str_mv |
Envigado (Antioquia, Colombia) |
| publisher.none.fl_str_mv |
Universidad EIA |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/ab101d84-a17b-4fc6-a7f8-42ba12a9f451/download https://repository.eia.edu.co/bitstreams/252ccee4-bf87-46ef-97a8-ad32359d080b/download https://repository.eia.edu.co/bitstreams/6fc1a3d8-771f-4f5f-bd44-0f4907f8f66b/download https://repository.eia.edu.co/bitstreams/3a2ab925-c0df-4bc5-9f59-ab39bf257729/download |
| bitstream.checksum.fl_str_mv |
2264fce645ac2952653ce3f3b8fa781e 770ec49585e10ffda43234f3474c0036 37b6b9ac97aa9345a00d1aaedca699bf a11c3d243e1b51a21aeb24d94d98e0d6 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1858229128806793216 |
| spelling |
Romero R., William A.Gomez Betancur, Duvan Albertovirtual::827-1Mesa Hernández, PabloRestrepo Quiñones, Daniel2025-12-16T12:46:14Z2025-12-16T12:46:14Z2025https://repository.eia.edu.co/handle/11190/730634 páginasRESUMEN: El análisis de imágenes biomédicas incluye una etapa fundamental de segmentación, entendida como la identificación en la imagen de una estructura anatómica o una región de interés. Esta tarea requiere la intervención del radiólogo o experto, quien posee la formación académica, la experiencia profesional y el criterio necesario para reconocer dichas estructuras y detectar posibles errores, ya sea por limitaciones en la calidad de la imagen o por factores asociados a la percepción humana en la definición de la segmentación. Una vez generada, la segmentación debe someterse a un proceso riguroso de verificación y validación por parte del experto antes de ser utilizada en etapas posteriores de análisis. En la actualidad, los métodos automáticos de segmentación (aprendizaje supervisado) dependen de segmentaciones de referencia para su entrenamiento, lo que hace que la calidad de los datos empleados en dicha fase resulte determinante para el desempeño del modelo. En este contexto, cobra especial relevancia la implementación de metodologías de control y aseguramiento de calidad (Quality Assurance/Quality Control, QA/QC), que permitan evaluar de manera sistemática la precisión y confiabilidad de los métodos de segmentación. Sin embargo, persiste una carencia de herramientas interactivas que faciliten registrar distintas versiones de una segmentación, visualizar su evolución y documentar los cambios o correcciones realizados hasta alcanzar la validación final. Este trabajo presenta una propuesta y una implementación inicial de una arquitectura de solución para el control y visualización de versiones de segmentaciones en imágenes biomédicas. Las contribuciones de este se centran en dos componentes principales: una arquitectura de solución para una plataforma de versionamiento de segmentación de imágenes biomédicas y una herramienta de visualización orientada a la comparación de diferentes versiones de una segmentación, creando así la posibilidad de optimizar procesos de QA/QC sobre segmentaciones de imágenes biomédicas.ABSTRACT: Biomedical image analysis includes a fundamental stage known as segmentation, understood as the identification within the image of an anatomical structure or a region of interest. This task requires the intervention of an expert, who possesses the clinical training (radiologist), professional experience and necessary judgement to recognize such structures and to detect potential errors, whether arising from limitations in image quality or from factors associated with human perception in the definition of the segmentation. Once generated, the segmentation must undergo a rigorous process of verification and validation by the expert before it can be used in subsequent stages of analysis. At present, automatic segmentation methods (supervised machine learning methods) rely on reference segmentations for training, which makes the quality of the data employed in this phase decisive for the model’s performance. In this context, the implementation of quality control and assurance methodologies (QA/QC) becomes particularly relevant, as they allow a systematic evaluation of the accuracy and reliability of segmentation methods. Nevertheless, there remains a lack of interactive tools that facilitate the recording of different segmentation versions, the visualization of their evolution, and the documentation of changes or corrections made until final validation is achieved. This work presents a proposed solution architecture as well as an initial implementation for the control and visualization of segmentation versions in biomedical images. The contributions of this work focus on two main components: a solution architecture for a biomedical image segmentation versioning platform and a visualization tool aimed at comparing different versions of a segmentation. Possibly allowing for the optimization of QA/QC processes on segmentations of biomedical images.PregradoIngeniero(a) de Sistemas y Computaciónapplication/pdfspaUniversidad EIAIngeniería de Sistemas y ComputaciónEscuela de Ingeniería y Ciencias BásicasEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2025Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Plataforma para el control y visualización de versiones de anotaciones en imágenes biomédicasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85Imagen biomédicaSegmentación de imágenesAseguramiento/control de calidad (QA/QC)Métodos de segmentación basados en aprendizaje profundoBiomedical imagingImage segmentationQuality Assurance/Control (QA/QC)Deep learning-based segmentation methodsPublicationhttps://scholar.google.com/citations?user=vZPjVsIAAAAJ&hl=envirtual::827-10000-0001-9873-5272virtual::827-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001353558virtual::827-143ff6cf5-7d5e-4936-a9ab-8796e045f452virtual::827-143ff6cf5-7d5e-4936-a9ab-8796e045f452virtual::827-1LICENSElicense.txtlicense.txttext/plain; charset=utf-82553https://repository.eia.edu.co/bitstreams/ab101d84-a17b-4fc6-a7f8-42ba12a9f451/download2264fce645ac2952653ce3f3b8fa781eMD56ORIGINALMesaPablo_2025_PlataformaControlVisualizacion.pdfMesaPablo_2025_PlataformaControlVisualizacion.pdfTrabajo de gradoapplication/pdf836584https://repository.eia.edu.co/bitstreams/252ccee4-bf87-46ef-97a8-ad32359d080b/download770ec49585e10ffda43234f3474c0036MD57TEXTMesaPablo_2025_PlataformaControlVisualizacion.pdf.txtMesaPablo_2025_PlataformaControlVisualizacion.pdf.txtExtracted texttext/plain57541https://repository.eia.edu.co/bitstreams/6fc1a3d8-771f-4f5f-bd44-0f4907f8f66b/download37b6b9ac97aa9345a00d1aaedca699bfMD58THUMBNAILMesaPablo_2025_PlataformaControlVisualizacion.pdf.jpgMesaPablo_2025_PlataformaControlVisualizacion.pdf.jpgGenerated Thumbnailimage/jpeg6771https://repository.eia.edu.co/bitstreams/3a2ab925-c0df-4bc5-9f59-ab39bf257729/downloada11c3d243e1b51a21aeb24d94d98e0d6MD5911190/7306oai:repository.eia.edu.co:11190/73062025-12-16 09:20:23.589open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |