VoxelMorph based Normalization in the Prediction of Stable VS Progressive MCI Conversion with Convolutional Neural Networks

Autores/as

  • Daniel Sierra Tome Universidad de Zaragoza
  • Ubaldo Ramón Júlvez Computer Science for Complex System Modeling (COS2MOS)
  • Mónica Hernández Computer Science for Complex System Modeling (COS2MOS)
  • Elvira Mayordomo Computer Science for Complex System Modeling (COS2MOS)

DOI:

https://doi.org/10.26754/jjii3a.20227018

Resumen

El presente trabajo tiene como objetivo estudiar el efecto de la normalización en el sistema de clasificación de Spasov2019 [2] para el problema de deterioro cognitivo leve estable vs progresivo (sMCI vs pMCI), cuando esta normalización proviene de un algoritmo de deep-learning. Se ha elegido VoxelMorph [8], por ser uno de los algoritmos más utilizados como benchmark desde la introducción del deep-learning en el registro deformable de imágenes médicas. Se realizará una comparativa entre los métodos de registro difeomorfo tradicionales y VoxelMorph para este problema.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2022-07-18

Cómo citar

Sierra Tome, D., Júlvez, U. R., Hernández, M., & Mayordomo, E. (2022). VoxelMorph based Normalization in the Prediction of Stable VS Progressive MCI Conversion with Convolutional Neural Networks. Jornada De Jóvenes Investigadores Del I3A, 10. https://doi.org/10.26754/jjii3a.20227018

Número

Sección

Artículos (Tecnologías de la Información y las Comunicaciones)