Mostrar el registro sencillo del ítem
Diagnóstico de síndrome de Down a partir de imágenes
dc.contributor | Universitat Ramon Llull. La Salle | |
dc.contributor.author | Zulueta Tazo, Izaskun | |
dc.date.accessioned | 2020-11-19T13:29:40Z | |
dc.date.accessioned | 2023-07-13T09:39:59Z | |
dc.date.available | 2020-11-19T13:29:40Z | |
dc.date.available | 2023-07-13T09:39:59Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://hdl.handle.net/20.500.14342/2843 | |
dc.description | Supervisor Acàdemic: Xavier Sevillano Domínguez | cat |
dc.description.abstract | Recientemente se ha demostrado que un extracto del té verde mejora la capacidad cognitiva de las personas con Síndrome de Down. Además, se están llevando a cabo numerososestudios para demostrar si esta proteína podría ayudar también a mejorar la memoria a corto plazo, a controlar los impulsos y desenvolverse en la vida cotidiana. Mediante este trabajo de fin de máster, en adelante TFM, se quiere continuar con el estudio ya comenzado del extracto del té verde con personas que padecen Síndrome de Down. Para ello, La Salle,junto con el Centro de Regulación Genómica, van a realizar un estudio para probarsi con este extracto se contribuye a la normalización de los rasgos faciales de los niños que padecen dicho síndrome.El objetivo principal del proyecto se centra en realizar, a través del procesamiento de imágenes faciales, la distinción de niños con y sin Síndrome de Down. Para llevar a cabo este procesamientoy poder realizar la clasificación, se implementarán diferentes técnicas de clasificación ya existentes, para así poder evaluar la precisión de cada una de ellas y determinar la técnica más precisa y que dé mejores resultados.Para cada una de estas técnicas, será necesario definir unos atributos visuales de la cara a partir de los cuales se pueda realizar la correspondiente clasificación. En particular se van a utilizar unos vectores, calculados a partir de la generación de sus patrones binarios locales (LBPs), que concentren los rasgos diferenciados. Estos LBPs son un tipo de descriptor visual utilizado para la clasificación en visión artificial.Los dos métodosque se van a implementar para la clasificación de los casos en estudio se basarán en algoritmos de aprendizaje automático que permitan clasificar en dos grupos a los niños (con SD o sin SD) una vez aplicados sobre los patrones extraídos en las imágenes. | spa |
dc.description.abstract | Recentment s'ha demostrat que un extracte de te verd millora la capacitat cognitiva de les persones amb Síndrome de Down. A més a més, s’estan duent a terme nombrosos estudis per demostrar si aquesta proteïna podria ajudar també a millorar la seva memòria a curt termini, a controlar els impulsos i a desenvolupar-se en la vida quotidiana.Mitjançant aquest treball de final de màster, d’ara en endavant TFM, es vol continuar amb l’estudi ja començat de l’extracte de te verd amb persones que pateixen Síndrome de Down. Per això, La Salle, juntament amb el Centre de Regulació Genòmica, realitzaran un estudi per comprovar si amb aquest extracte es contribueix a la normalització dels trets facials dels nens que pateixen aquest síndrome.L’objectiu principal del projecte se centra en realitzar, através del processament d’imatges facials, la distinció de nens amb i sense Síndrome de Down. Per dur a terme aquest processament i poder realitzar la classificació, s’implementaran diferents tècniques de classificació ja existents, per així poder avaluarla precisió de cada una d’elles i poder determinar la tècnica més exacte i amb millors resultats.Per a cada una d’aquestes tècniques, serà necessari definir punts de referència a la cara a partir dels quals es pugui realitzar la corresponent classificació. En particular, s’utilitzaran uns vectors calculats a partir de la generació dels seus patrons binaris locals (LBPs) que concentrin els trets diferencials. Aquests LBPs són un tipus de descriptor visual utilitzat per a la classificació en visió artificial.Els dos mètodes que s’implementaran per a la classificació dels casos d’estudi es basaran en algoritmes d’aprenentatge automàtic que permetin classificar els nens en dos grups, amb o sense SD, una vegada aplicats sobre els patrons extrets de les imatges. | cat |
dc.description.abstract | It has recently been shown that an extract of green tea improves the cognitive ability of people withDown syndrome. In addition, numerous studies are being carried out to demonstrate whether this protein could also help improve short-term memory, control impulses and function in daily life.Withthis end-of-master project, from here on outTFM, we want to continue with the already begun study of green tea extract with people suffering from Down syndrome. To do this, La Salle, together with the Center for Genomic Regulation, will conduct a study to test whether this extract contributes to the normalization of the facial features of children suffering from this syndrome.The main objective of thisproject is to make, through the processing of facial images, the distinction of children with and without Down Syndrome. To carry out this processing and to be able to carry out the classification, different existing classification techniques will be implemented, in order to evaluate the accuracy of each of them and determine the most precise technique that gives the best results.For each of these techniques, it will be necessary to define visual attributes of the face from which the corresponding classification can be made. In particular, some vectors will be used, calculated from the generation of their local binary patterns (LBPs), which concentrate the differentiated features. These LBPs are a type of visual descriptor used for classification in artificial vision.The two methods that will be implemented for the classification of the cases under study will be based on automatic learning algorithms that allow children to be classified in two groups (with SD or without SD) once applied to the patterns extracted in the images. | eng |
dc.format.extent | 58 p. | cat |
dc.language.iso | spa | cat |
dc.relation.ispartofseries | ENG TFM MET;2551 | |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | |
dc.rights | © Escola Tècnica Superior d'Enginyeria La Salle | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.source | RECERCAT (Dipòsit de la Recerca de Catalunya) | |
dc.subject.other | Reconeixement facial (Informàtica) -- TFM | cat |
dc.subject.other | Aprenentatge automàtic -- TFM | cat |
dc.subject.other | Algorismes -- TFM | cat |
dc.title | Diagnóstico de síndrome de Down a partir de imágenes | cat |
dc.type | info:eu-repo/semantics/masterThesis | cat |
dc.rights.accessLevel | info:eu-repo/semantics/openAccess | |
dc.embargo.terms | cap | cat |
dc.subject.udc | 004 | |
dc.subject.udc | 62 |