<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>DSpace Colección :</title>
  <link rel="alternate" href="https://repositorio.ister.edu.ec//handle/68000/159" />
  <subtitle />
  <id>https://repositorio.ister.edu.ec//handle/68000/159</id>
  <updated>2026-07-02T19:55:26Z</updated>
  <dc:date>2026-07-02T19:55:26Z</dc:date>
  <entry>
    <title>Segmentation of Medical Image Using Novel Dilated Ghost Deep Learning Model</title>
    <link rel="alternate" href="https://repositorio.ister.edu.ec//handle/68000/233" />
    <author>
      <name>Zambrano Vizuete, Marcelo</name>
    </author>
    <author>
      <name>Botto Tobar, Miguel</name>
    </author>
    <author>
      <name>Huerta Suárez, Carmen</name>
    </author>
    <author>
      <name>Paredes Prada, Wladimir</name>
    </author>
    <author>
      <name>Patiño Pérez, Darwin</name>
    </author>
    <author>
      <name>Ahanger, Tariq Ahamed</name>
    </author>
    <id>https://repositorio.ister.edu.ec//handle/68000/233</id>
    <updated>2024-10-17T03:20:25Z</updated>
    <published>2022-08-12T00:00:00Z</published>
    <summary type="text">Título : Segmentation of Medical Image Using Novel Dilated Ghost Deep Learning Model
Autor : Zambrano Vizuete, Marcelo; Botto Tobar, Miguel; Huerta Suárez, Carmen; Paredes Prada, Wladimir; Patiño Pérez, Darwin; Ahanger, Tariq Ahamed
Resumen : La segmentación de imágenes y la visión por computadora son cada vez más importantes en el diseño asistido por computadora. Un algoritmo informático extrae los bordes, colores y texturas de la imagen. También agota los recursos. Se requieren conocimientos técnicos para extraer información sobre características distintivas.  Actualmente no existe ningún software de reconocimiento o segmentación de imágenes médicas disponible.  El modelo propuesto tiene 13 capas y utiliza convolución dilatada y agrupación máxima para extraer características pequeñas. El modelo fantasma elimina las funciones duplicadas, facilita el proceso y reduce la complejidad.  La red neuronal convolucional (CNN) genera un mapa de vectores de características y mejora la precisión de las propuestas de área o cuadro delimitador. Se requiere reestructuración para la curación. Como resultado, las redes neuronales convolucionales segmentan imágenes médicas. Es posible adquirir la región inicial de una imagen médica segmentada.  El modelo propuesto ofrece mejores resultados en comparación con los modelos tradicionales, ofrece una precisión de 96,05, una precisión de 98,2 y una recuperación de 95,78.  Los primeros hallazgos se mejoran al engrosar y categorizar los píxeles de la imagen. Se pueden utilizar técnicas morfológicas para segmentar imágenes médicas. Los experimentos demuestran que la estrategia de segmentación recomendada es eficaz.  Este estudio replantea los métodos de segmentación de imágenes médicas.
Descripción : Image segmentation and computer vision are becoming more important in computer-aided design. A computer algorithm extracts image borders, colours, and textures. It also depletes resources. Technical knowledge is required to extract information about distinctive features.  There is currently no medical picture segmentation or recognition software available.  The proposed model has 13 layers and uses dilated convolution and max-pooling to extract small features. Ghost model deletes the duplicated features, makes the process easier, and reduces the complexity.  e Convolution Neural Network (CNN) generates a feature vector map and improves the accuracy of area or bounding box proposals. Restructuring is required for healing. As a result, convolutional neural networks segment medical images. It is possible to acquire the beginning region of a segmented medical image.  The proposed model gives better results as compared to the traditional models, it gives an accuracy of 96.05, Precision 98.2, and recall 95.78.  The first findings are improved by thickening and categorising the image’s pixels. Morphological techniques may be used to segment medical images. Experiments demonstrate that the recommended segmentation strategy is effective.  This study rethinks medical image segmentation methods.</summary>
    <dc:date>2022-08-12T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>La Vitis vinifera, un caso de estudio en el viñedo Chaupi Estancia, provincia de Pichincha</title>
    <link rel="alternate" href="https://repositorio.ister.edu.ec//handle/68000/232" />
    <author>
      <name>Santander Racines, Andrea Belén</name>
    </author>
    <author>
      <name>Rodríguez Santos, Estefanía Melisa</name>
    </author>
    <author>
      <name>Toapanta Custode, Carlos David</name>
    </author>
    <author>
      <name>Suárez Carrillo, Ricardo Andrés</name>
    </author>
    <id>https://repositorio.ister.edu.ec//handle/68000/232</id>
    <updated>2024-10-17T03:20:10Z</updated>
    <published>2022-07-20T00:00:00Z</published>
    <summary type="text">Título : La Vitis vinifera, un caso de estudio en el viñedo Chaupi Estancia, provincia de Pichincha
Autor : Santander Racines, Andrea Belén; Rodríguez Santos, Estefanía Melisa; Toapanta Custode, Carlos David; Suárez Carrillo, Ricardo Andrés
Resumen : La Vitis vinifera (planta de uva, vid), usada para elaborar vinos, existe desde antes que el hombre y ha estado vinculada al mismo siempre. Está presente en la Biblia e históricamente se remonta a la antigua Roma, donde elaboraban un vino dorado sin distinguir variedad de uvas. Para hacer vinos es necesario producir fruta de buena calidad, la vid requiere ciertos niveles de luz y calor, y temperaturas extremas pueden afectar de manera negativa la producción. Además, necesita condiciones climatológicas específicas para desarrollarse, ejemplo: un invierno suficientemente frío permite a la planta descansar. Por esa razón, la mayoría de vides se cultivan en latitudes del globo que proporcionan una adecuada cantidad de luz solar, calor y agua, entre el paralelo 30º y 50º, tanto hacia el norte como hacia el sur. Sn embargo, contrario a estas teorías, en Ecuador (paralelo 0º) se producen vides y vinos de excelente calidad. En este artículo se investiga lo antes mencionado en Yaruquí, parroquia rural de Quito, provincia de Pichincha, conociendo que la zona solo tiene un viñedo llamado Chaupi Estancia, donde se realizó una observación de campo que arrojó datos de variedades de cepas producidas, pese a su climatología. A su vez, se evidenció información importante sobre volumen de producción en las plantas, la afectación de la posición del sol considerando la ubicación del terreno en la pigmentación de las uvas, especialmente en variedades blancas, y su influencia en el dulzor de la fruta (contenido de azúcar), que dan como resultado unos sabores peculiares en los vinos.
Descripción : Vitis vinifera is a variety of vine (grape plant), suitable for wine making, which has existed before mankind and has been linked to society for a long time. There are records of it uses in the bible and in ancient Rome, where a golden wine was made without distinguishing grape varieties. It is necessary to produce fruit of good quality, to produce good wines; the vine needs certain levels of light and heat, because excessive temperatures can negatively affect its production. The optimal conditions for the plant are areas where the winter is cold enough for them to dormancy. That is why most grapevines are in latitudes around the globe that provide the adequate amount of sunlight, warmth and water, specially between parallel 30º and 50º, both north and south. However, contrary to these theories, in Ecuador (parallel 0º) vines and wines of excellent quality can be produced. This article research about the above-mentioned in Yaruquí, a rural parish of Quito, Pichincha province. The area has one vineyard called Chaupi Estancia, where field observation research was conducted to obtain data on the varieties of strains that grow in the area, in spite of its climate. Additionally, important information on the volume of production in the plants was evidenced, along with data on the effects of the sun, considering the location of the farm (parallel 0º), on the pigmentation of the grapes, especially in white types, which gives a different color to the wines, and has a strong influence in the sweetness (sugar content), that determine the peculiar flavors of wines.</summary>
    <dc:date>2022-07-20T00:00:00Z</dc:date>
  </entry>
</feed>

