Oportunidades de Investigación Públicas

29-06-2021 Estimación de movimiento basada en aprendizaje profundo a partir de imágenes de resonancia magnética (MRI) de cine cardíaco
La MRI es una herramienta fundamental para el diagnóstico de enfermedades cardiovasculares. Las imágenes de cine (dinámicas) del corazón se adquieren para visualizar y cuantificar el movimiento del corazón a lo largo del ciclo cardíaco, ya que las anomalías del movimiento de la pared pueden estar relacionadas con diversas enfermedades cardíacas. Recientemente se han propuesto varios enfoques para estimar el movimiento no rígido del corazón utilizando modelos de aprendizaje profundo. Este trabajo consistirá en realizar una revisión sistemática de la literatura e implementar, comparar y/o ampliar los modelos más prometedores. Disponemos de datos clínicos que pueden utilizarse para el entrenamiento. La investigación se realiza en colaboración con el King's College de Londres.
Keywords:       MRI deep learning imágenes cardiacas
Prerequisitos:  no tiene.

Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 4/10 vacantes disponibles

Mentor(es): Ver en la plataforma

Public Research Opportunities

29-06-2021 Deep-learning based Motion Estimation from Cardiac Cine Magnetic Resonance Imaging (MRI)
MRI is a fundamental tool for the diagnosis of cardiovascular diseases. Cine (dynamic) images of the heart are acquired to visualize and quantify the motion of the heart through the cardiac cycle, since wall motion abnormalities can be related to various cardiac diseases. Several approaches have been recently proposed to estimate the non-rigid motion of the heart using deep learning models. This work will involve performing a systematic literature review and implementing, comparing and/or extending the most promising models. We have clinical data that can be used for training, testing and validation. The research is conducted in collaboration with King's College London.
Keywords:       MRI deep learning imágenes cardiacas
Prerequisites:  None.

Evaluation method: Nota 1-7, with 4/10 available vacants

Mentor(s): Open in the plataform