Description of an automated algorithm based on artificial neuronal networks for the detection of fractures from X-Ray images pre-processed / Emilio José Paspuel Montalvo ; tutor Gandhi Fernando Villalba Meneses, Jonathan David Cruz Varela
Tipo de material:
TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2024Descripción: 96 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero/a Biomédico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2024 Alcance y contenido: Las fracturas óseas se han convertido en unas de las condiciones médicas más atendidas en hospitales, debido a que sus causas como lesiones deportivas, accidentes automovilísticos, caídas, entre otras. Ocurren diariamente en todas partes del mundo. Entre los métodos de diagnóstico más efectivo se observa las imágenes basadas en rayos X, tomografías computa- rizadas o en casos extremos se hacen estudios de resonancias magnéticas. Estos métodos presentan una alta precisión debido a que son realizados y diagnosticados por profesionales, pero no son los más óptimos en relación a tiempo debido a la gran cantidad de evaluaciones que debe hacer una misma persona. Este proyecto investigación desarrolla un algoritmo de clasificación y diagnóstico de fracturas de humero con la finalidad de demostrar la importancia del uno de aprendizaje automático en el área de la salud. Dicho algoritmo fue basado en redes neuronales artificiales y entrenado con una base de datos de imágenes de rayos X de fracturas de hueso y huesos sanos de humero. Además de ello, se ha entrenado con varios re-escalamiento de las imágenes de entrada para identificar un tamaño optimo donde la red neuronal no omita patrones importantes para la clasificación entre las etiquetas. Los entrenamientos a diferentes tamaños obtuvieron valores superiores al 90% de exactitud y con la realización de métodos de validación como matriz de confusión, sensibilidad, F1- score, MCC, entre otros, nos ha permitido demostrar que el algoritmo desarrollado presenta un optimo rendimiento para diagnóstico de fracturas, además de tener valores similares o superiores a trabajos relacionados.
| Tipo de ítem | Biblioteca actual | Signatura | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|
Tesis
|
Biblioteca Yachay Tech | ECBI0199 (Navegar estantería(Abre debajo)) | No para préstamo | T000636 |
Trabajo de integración curricular (Ingeniero/a Biomédico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2024
Incluye referencias bibliográficas (páginas 54-65)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Las fracturas óseas se han convertido en unas de las condiciones médicas más atendidas en hospitales, debido a que sus causas como lesiones deportivas, accidentes automovilísticos, caídas, entre otras. Ocurren diariamente en todas partes del mundo. Entre los métodos de diagnóstico más efectivo se observa las imágenes basadas en rayos X, tomografías computa- rizadas o en casos extremos se hacen estudios de resonancias magnéticas. Estos métodos presentan una alta precisión debido a que son realizados y diagnosticados por profesionales, pero no son los más óptimos en relación a tiempo debido a la gran cantidad de evaluaciones que debe hacer una misma persona. Este proyecto investigación desarrolla un algoritmo de clasificación y diagnóstico de fracturas de humero con la finalidad de demostrar la importancia del uno de aprendizaje automático en el área de la salud. Dicho algoritmo fue basado en redes neuronales artificiales y entrenado con una base de datos de imágenes de rayos X de fracturas de hueso y huesos sanos de humero. Además de ello, se ha entrenado con varios re-escalamiento de las imágenes de entrada para identificar un tamaño optimo donde la red neuronal no omita patrones importantes para la clasificación entre las etiquetas. Los entrenamientos a diferentes tamaños obtuvieron valores superiores al 90% de exactitud y con la realización de métodos de validación como matriz de confusión, sensibilidad, F1- score, MCC, entre otros, nos ha permitido demostrar que el algoritmo desarrollado presenta un optimo rendimiento para diagnóstico de fracturas, además de tener valores similares o superiores a trabajos relacionados.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.