| 19-11-2021 |
Corrección de distorsiones off-resonance para Echo Planar Imaging
En resonancia magnética, cuando el campo no es perfectamente uniforme, condición que se conoce como off-resonance, se produce un error en la fase de la señal. Esta fase, a su vez, produce distorsiones en la imagen. Existen muchas técnicas para corregir la fase para cuando el off-resonance es débil, sin embargo, cuando el off-resonance es fuerte, la señal puede incluso desaparecer. En este proyecto, la idea es usar información de la magnitud (y no de la fase) para corregir el efecto.
Keywords:
MRI
procesamiento señal
Prerequisitos:
IEE2103
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 3/3 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 20-12-2020 |
Adquisición, reconstrucción y corrección de movimiento para imágenes cardiovasculares por Resonancia Magnética
La resonancia magnética (RM) es una importante herramienta no invasiva para la evaluación de enfermedades cardiovasculares. En comparación con ultrasonido y tomografía computarizada, la RM tiene la ventaja de combinar un excelente contraste de los tejidos blandos con una alta resolución. Una limitación importante de los protocolos de RM es que todas las secuencias de imágenes se adquieren secuencialmente, con diferente resolución, orientaciones y posiciones de retención de la respiración, lo que da lugar a largos tiempos de planificación y adquisición. La degradación de las imágenes debido al movimiento respiratorio son grandes desafíos que afectan a la precisión y la reproducibilidad de la RM cardíaca. Esta investigación incluye el desarrollo de novedosas secuencias de RM tridimensional, técnicas de compensación de movimiento y métodos de aprendizaje profundo para permitir una RM multiparamétrica tridimensional, fácil de planificar, rápida y eficiente del corazón y los vasos.
Prerequisitos:
no tiene.
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 7/10 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 15-07-2020 |
Deep learning para procesamiento y síntesis de audio e imágenes
Diseño, implementación y entrenamiento de redes neuronales específicas para procesamiento de señales de audio e imágenes, para aplicaciones en imágenes médicas, audiográficos, DSP, minería. Deseable experiencia en cursos de imágenes, audio o programación.
Prerequisitos:
IEE2103
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 2/4 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 07-12-2023 |
Prerequisites:
IEE2123
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |
| 05-06-2023 |
Workers' positioning and task identification system for offsite construction industries
Offsite construction industries have become appealing because of their time efficiencies, safety, and reduced waste. Although this new trend promotes the previously mentioned advantages, they still face some significant challenges, such as tracking and monitoring the current state of the component being built. In order to address this challenge, the current undergraduate research project proposes developing and implementing a worker's positioning and activity identification system. The information to accomplish these aims is retrieved from four load cells (LC) and four inertial measurement units (IMUs). The sensor data should be acquired and pre-processed by a microcontroller, sending that information to a computer. The computer uses pre-processed information to identify the workers' positions and their current activities.
Keywords:
electrónica
instrumentación
Construcción
programación
automatización
procesamiento señal
microcontroladores
Prerequisites:
None.
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |
| 19-11-2021 |
Off-resonance correction for Echo Planar Imaging
Keywords:
MRI
procesamiento señal
Prerequisites:
IEE2103
Evaluation method: Nota 1-7, with 3/3 available vacants |
Mentor(s): Open in the plataform |
| 20-12-2020 |
Acquisition, reconstruction and motion correction for 3D whole-heart Magnetic Resonance Imaging
Magnetic Resonance Imaging (MRI) is an important non-invasive tool for risk assessment and treatment monitoring of cardiovascular disease. In comparison to other imaging modalities (ultrasound, x-ray and computed tomography) MRI has the advantage of combining excellent soft tissue contrast with high spatial resolution. However, a major limitation of current MRI protocols is that all imaging sequences are acquired sequentially, with different resolution, geometric orientations and breath-hold positions, resulting in long planning and scan times. Moreover, image quality degradation due to respiratory and cardiac motion are major challenges that greatly affect the accuracy and reproducibility of cardiac MRI. This research includes the development of novel whole-heart 3D MRI sequences, motion compensation techniques and deep learning methods to enable 3D, easy-to-plan, fast and efficient quantitative multi-parametric MRI of heart and vessels. The research is done together with King’s College London. Basic knowledge of MRI, signal processing and artificial intelligence would be useful.
Prerequisites:
None.
Evaluation method: Nota 1-7, with 7/10 available vacants |
Mentor(s): Open in the plataform |
| 15-07-2020 |
Prerequisites:
IEE2103
Evaluation method: Nota 1-7, with 2/4 available vacants |
Mentor(s): Open in the plataform |