Publicación:
Modelo para la identificación de adenomas hipofisarios por medio de la imagenología y la visión artificial

Vista sencilla de ítem
dc.contributor.advisorBonet Cruz, Isis
dc.contributor.advisorJiménez Mejía, Ricardo de Jesús
dc.contributor.authorSuárez Gómez, Silvia Natalia
dc.contributor.authorCardona Ramírez, Juan Felipe
dc.date.accessioned2024-02-01T20:12:17Z
dc.date.available2024-02-01T20:12:17Z
dc.date.issued2023
dc.description34 páginasspa
dc.description.abstractRESUMEN: con la presente investigación se busca realizar la identificación de adenomas hipofisarios de manera temprana y confiable, por medio de la imagenología y la inteligencia artificial. Este tipo de tumores cerebrales representan el 90% de las lesiones selares que se generan en una persona y aunque en muchas ocasiones son benignos, si no se detectan a tiempo, pueden llegar a ser críticos para la salud humana. Es por esto que, si se hace la detección de anticipada de dichas lesiones, se pueden prevenir riesgos futuros y dar un apoyo a los profesionales de la salud para un mejor diagnóstico en sus pacientes. Para lograr el objetivo del proyecto, inicialmente se hará una recopilación de datos a trabajar. Se tomarán la mayor cantidad de imágenes posibles, tanto de cerebros sanos, como de aquellos que tengan anomalías, necesarias para el desarrollo de las pruebas que se harán en la investigación. Como siguiente, se proseguirá con definir la estandarización para el tratamiento de los recursos (normalización, contraste, que tipo de imágenes se usarán, etc.), esto para continuar con el preprocesamiento y limpieza de los datos encontrados; y así alimentar el modelo de machine learning que consecuentemente se propondrá. Por último, una vez se abarque el problema con todo lo anteriormente mencionado, se hará la revisión final del prototipo generado con los datos separados para las pruebas, es decir, se probará el algoritmo creado con los datos ya clasificados, de pruebas. Se espera de este proceso, que los resultados que arroje el modelo de software sean confiables; de tal manera, que sea una herramienta de gran ayuda al sector de salud y consiguiente de eso, una gran aliada de las personas, pues permitirá que tengan un mayor nivel de confianza en sus diagnósticos.spa
dc.description.abstractABSTRACT: this research is aimed at the early and reliable detection of pituitary adenomas using imaging and artificial intelligence. This type of brain tumor represents 90% of the brain lesions that occur in humans, and although in many cases they are benign, if not detected in time they can become critical for human health. Therefore, the early detection of these lesions can prevent future risks and help health professionals to better diagnose their patients. In order to achieve the goal of the project, a data collection will be carried out first. As many images as possible will be taken, both of healthy brains and of those with abnormalities, which will be necessary for the development of the tests to be performed in the research. The next step will be to define the standardization for the treatment of the resources (normalization, contrast, type of images to be used, etc.) in order to continue with the preprocessing and cleaning of the data found, thus feeding the machine learning model that will be proposed. Finally, once the problem is covered with all the above (if the agreement with the allied health entity is reached), the final revision of the prototype generated with the data provided by the local health entity will be done, that is, the algorithm generated with the provided data will be tested. From this process, it is expected that the results obtained by the software model will be reliable, in such a way that it will be a tool of great help to the health sector and, consequently, a great ally of the people, allowing them to have a higher level of confidence in their diagnoses.eng
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero(a) de Sistemas y Computación
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/6405
dc.language.isospa
dc.publisherUniversidad EIA
dc.publisher.facultyEscuela de Ingeniería y Ciencias Básicas
dc.publisher.placeEnvigado (Antioquia, Colombia)
dc.publisher.programIngeniería de Sistemas y Computación
dc.rightsDerechos Reservados - Universidad EIA, 2023spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.subject.proposalAdenomaspa
dc.subject.proposalImagenologíaspa
dc.subject.proposalInteligencia artificialspa
dc.subject.proposalModelo de softwarespa
dc.subject.proposalImagingeng
dc.subject.proposalArtificial intelligenceeng
dc.subject.proposalSoftware modeleng
dc.titleModelo para la identificación de adenomas hipofisarios por medio de la imagenología y la visión artificialspa
dc.typeTrabajo de grado - Pregrado
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
SuarezSilvia_2023_ModeloIdentificacionAdenomas.pdf
Tamaño:
827.32 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
2.49 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Ingeniería de Sistemas y Computación