Show simple item record

dc.contributor.advisorDelrieux, Pablo
dc.creatorNavarro, Juan Pablo
dc.date.accessioned2022-04-12T17:48:05Z
dc.date.available2022-04-12T17:48:05Z
dc.date.issued2021-05-21
dc.identifier.urihttp://hdl.handle.net/20.500.12272/6142
dc.description.abstractEl uso de escáneres ·D para capturar información sobre la forma del cuerpo humano está creciendo rápidamente y no sólo se limita a estudios ergonómicos o de diseño, si no que también resulta de interés para aplicaciones relacionadas con la salud. Para ello, contar con herramientas que nos permitan obtener automáticamente representaciones de características relevantes es un paso crucial. Éstas representan una característica esencial durante la medición e interpretación de los datos, tanto para realizar diversos análisis (por ejemplo el somatotipo o estudio de porcentaje y distribución del tejido adiposo), como para el diagnóstico apropiado de condiciones médicas (evaluación del sobrepeso, detección de malformaciones, etc). La presente tesis se centra en el estudio de la forma corporal, y cómo utilizando las técnicas de Machine Learning y Deep Learning, se pueden encontrar de manera automática mejores representaciones geométricas a fenotipos estudiados en el campo de la antropología. Se presenta el desarrollo y validación de distintos tipos de descriptores junto con el procesamiento para extraerlos y utilizarlos en la prácticas. Los resultados indican que los indicadores de forma no sólo predicen bien los marcadores clásicos, si no que permiten la aplicación de más indicadores que reflejan con mayor precisión el fenotipo en estudio.es_ES
dc.formatplaines_ES
dc.language.isospaes_ES
dc.publisherEscuela de Posgrado - UTN FRBAes_ES
dc.rightsopenAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.rights.uriAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.subjectFenotipoes_ES
dc.subjectAprendizaje de máquinaes_ES
dc.subjectAprendizaje profundoes_ES
dc.subjectForma corporales_ES
dc.titleAlgoritmos de alta eficiencia para el fenotipado automático: aplicaciones en reconstrucción morfométrica 3D, medicina y ciencia forense.es_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.rights.holderFacultad Regional Buenos Aires. Universidad Tecnológica Nacionales_ES
dc.description.affiliationNavarro, Juan Pablo. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Escuela de Posgrado; Argentina.es_ES
dc.type.versionacceptedVersiones_ES
dc.contributor.coadvisorGonzález-José, Rolando
dc.rights.useAtribución – No Comercial – Compartir Igual (by-nc-sa): No se permite un uso comercial de la obra original ni de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.es_ES


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

openAccess
Except where otherwise noted, this item's license is described as openAccess