| 18-12-2024 |
Desarrollo de un Marco Optimizado para la Reconstrucción 3D de Grandes Volúmenes de Vóxeles Utilizando Técnicas de Refinamien
Este proyecto busca extender la reconstrucción 3D a volúmenes de vóxeles a gran escala, esenciales en aplicaciones como la imagen biomédica (resonancias magnéticas, tomografías) y la geomecánica (fotogrametría). Un volumen de vóxeles es una matriz tridimensional de elementos discretos que representan imágenes digitales o datos escaneados. Para reducir tiempos de procesamiento en objetos 3D grandes, estos volúmenes suelen convertirse en mallas mediante métodos como **Marching Cubes**, preservando su estructura topológica y precisión geométrica. El desafío es garantizar que las imágenes sean "bien compuestas," crucial para mantener la coherencia geométrica y topológica en la conversión de vóxeles a mallas. Este proyecto desarrollará un nuevo método inspirado en técnicas 2D de des-pixelización con simulaciones de resortes, adaptándolas al 3D para mejorar la suavidad y precisión de las mallas.
Prerequisitos:
no tiene.
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 2/2 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 19-12-2019 |
Reconstrucción de imágenes incompletas
Las imágenes submuestreadas son una manera de aumentar la velocidad de adquisición para la resonancia magnética. En este proyecto estudiaremos diferentes espacios en los cuales se pueden representar los datos de manera de facilitar su reconstrucción empleando algoritmos de Compressed Sensing.
Prerequisitos:
IEE2103
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 2/3 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 18-12-2024 |
La investigación, en colaboración con el Dr. Bemit Crespin (Universidad de Limoges), requiere un estudiante con experiencia en C/C++, Python, gráficos por computadora y computación GPU.
Prerequisites:
None.
Evaluation method: Nota 1-7, with 2/2 available vacants |
Mentor(s): Open in the plataform |
| 19-12-2019 |
Reconstruction of incomplete images
The images submuestreadas are a way to increase the speed of acquisition for the magnetic resonance imaging. In this project we will study different spaces in which they can represent the data in a manner to facilitate its reconstruction by employing algorithms of Compressed Sensing.
Prerequisites:
IEE2103
Evaluation method: Nota 1-7, with 2/3 available vacants |
Mentor(s): Open in the plataform |