Desarrollo de un modelo de predicción de crecimiento craneofacial en pacientes con labio y paladar hendido asistido por inteligencia artificial-Primera fase

Vista sencilla de ítem
dc.contributor.advisorCastaño Duque, Sandra Patricia
dc.contributor.advisorRestrepo Torres, Gabriel Eduardo
dc.contributor.advisorPereira Perdomo, Yvonne Mercedes
dc.contributor.authorPortuese Martínez, Valentina
dc.contributor.authorSánchez Vargas, Ana Cristina
dc.date.accessioned2023-08-11T20:21:49Z
dc.date.available2023-08-11T20:21:49Z
dc.date.issued2023
dc.description.abstractAntecedentes: La Inteligencia artificial (IA) es la tecnología que permite desarrollar un software o una máquina que puede imitar la inteligencia humana, disminuye el trabajo manual y aumenta la exactitud. En la actualidad no existen estudios relacionados a la inteligencia artificial con un modelo de predicción y labio y paladar hendido. Objetivo General: Desarrollar un modelo de predicción basado en inteligencia artificial por medio de imágenes cefálicas de paciente con labio y paladar hendido. Específicos: Desarrollar en la primera fase de la investigación un modelo de clasificación de labio y paladar hendido basado en inteligencia artificial por medio de imágenes cefálicas. Entrenar en la etapa final de la investigación un modelo de clasificación de hendiduras por medio de IA en pacientes con LPH. Diseñar en la segunda fase de estudio un software piloto que prediga el crecimiento craneofacial basado en inteligencia artificial por medio de imágenes digitales. Métodos: La recolección de las radiografías cefálicas se realizó en el archivo del Hospital universitario San José infantil (Bogotá, Colombia), Se realizó una base de datos con la información recolectada y las covaribles a tener en cuenta en este proyecto: Sexo de asignación, edad, diagnóstico de LPHB, LPHUI, LPHUD, fecha de nacimiento, fecha de la toma de las radiografías y número de radiografías laterales cefalicas por paciente. Cada paciente fue identificado de manera anónima con un número consecutivo; estas radiografías fueron escaneadas con el dispositivo Epson Expression 1680 y posteriormente se creó un piloto de software por parte de ingeniería de sistemas, con las radiografías cefálicas laterales ya digitalizadas, se realizó un ensayo de identificación de las hendiduras, clasificándolas en LPHB, LPHUI, LPHUD por medio de inteligencia artificial. Resultados: Se obtuvo como resultado 80 radiografías cefálicas que se dividieron en 19 LPHUD 26 LPHUI Y 36 LPHB y se desarrolló un software de identificación de hendiduras en radiografías cefálicas de pacientes con labio y paladar hendido. El cual fue construido por medio de diferentes fases, la fase de análisis, fase de diseño, fase de construcción, fase de pruebas y por último una fase de despliegue. Dicho software es capaz de identificar hendidura de LPHUD, LPHUI Y LPHB con una precisión de 61% y exactitud de 75%. Conclusiones: En el presente proyecto se ejecutó la primera fase del estudio que fue la creación de un software de imágenes de radiografías de perfil de pacientes con LPH. El cual identifica las estructuras de un paciente con esta anomalía y la clasifica según la hendidura. Se entrenó el software con las 8o radiografías de perfil, el cual arrojó una precisión de 61% y una exactitud de 75% aceptable, sin embargo, se necesita seguir entrenando el modelo para aumentar dicha precisión y exactitud. En una segunda fase se continuará entrenando el software y adicionalmente se realizará la ejecución de modelo de predicción de crecimiento craneofacial en pacientes con labio y paladar Hendido.spa
dc.description.abstractenglishBackground: Artificial intelligence (AI) is a technology which allows to develop software or machines that can imitate human intelligence, reducing manual labour and increasing trueness. Currently there are no studies relating said AI with a model for prediction of cleft lip and palate. Objective: To develop a prediction model based on AI and cephalic images of cleft lip and palate. The first phase was a classification model and the final phase the training of said model with digital images. Method: Images were collected from the archive of San Jose University Hospital (Bogota, Colombia), a database was created with said information and variables such as sex, age, diagnosis of BCLP, LCLP, RCLP, date of birth, date and number of radiographs. Each patient was anonymously identified with a consecutive number and these were scanned with an Epson Expression 1680. A trial software was developed with all these information and an identification trial of the diagnosis was carried out. Results: There were 80 radiographs divided into 19 RCLP, 26 LCLP and 36 BCLP and an identification software was developed in the stages of analysis, design, development, trials and deployment for said conditions. Its precision was between 61% and 75%. Conclusions: The software identified the adnormal structures of CLP and classified the cleft, based on the total mentioned number of images, resulting the reported percentages. Further training is required in order to increase precision and trueness, as well as a predictive model of cranial growth of these patients.eng
dc.description.degreelevelEspecializaciónspa
dc.description.degreenameEspecialista en Ortodonciaspa
dc.description.sponsorshipHospital Infantil Universitario de San Joséspa
dc.description.sponsorshipGrupo de investigación UMIMC -Unidad de Manejo Integral de Malformaciones Craneofacialesspa
dc.description.sponsorshipFacultad de Ingeniería. Programa de Ingeniería de sistemas. Universidad El Bosquespa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad El Bosquespa
dc.identifier.reponamereponame:Repositorio Institucional Universidad El Bosquespa
dc.identifier.repourlrepourl:https://repositorio.unbosque.edu.co
dc.identifier.urihttps://hdl.handle.net/20.500.12495/11266
dc.language.isospa
dc.publisher.facultyFacultad de Odontologíaspa
dc.publisher.grantorUniversidad El Bosquespa
dc.publisher.programEspecialización en Ortodonciaspa
dc.rightsAtribución-NoComercial-CompartirIgual 4.0 Internacional*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightshttps://purl.org/coar/access_right/c_abf2
dc.rights.localAcceso abiertospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectInteligencia artificialspa
dc.subjectCrecimiento craneofacialspa
dc.subjectTecnologíaspa
dc.subjectOrtodonciaspa
dc.subjectLabio y paladar hendidospa
dc.subject.keywordsArtificial Intelligenceeng
dc.subject.keywordsCranio-facial growtheng
dc.subject.keywordsTechnologyeng
dc.subject.keywordsOrthodonticseng
dc.subject.keywordsCleft lip and palateeng
dc.subject.nlmWU400
dc.titleDesarrollo de un modelo de predicción de crecimiento craneofacial en pacientes con labio y paladar hendido asistido por inteligencia artificial-Primera fasespa
dc.title.translatedDevelopment of a craniofacial growth prediction model in patients with cleft lip and palate assisted by artificial intelligence. Phase oneeng
dc.type.coarhttps://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttps://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTesis/Trabajo de grado - Monografía - Especializaciónspa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
Desarrollo de un modelo de predicción de crecimiento craneofacial en pacientes con labio y paladar hendido asistido por inteligencia artificial-Primera fase
Tamaño:
1.21 MB
Formato:
Adobe Portable Document Format
Descripción:
Desarrollo de un modelo de predicción de crecimiento craneofacial en pacientes con labio y paladar hendido asistido por inteligencia artificial-Primera fase
Descargar
No hay miniatura disponible
Nombre:
REFERENCIAS BIBLIOGRÁFICAS _Portuese-Martinez-Valentina_2023.docx
Tamaño:
21.07 KB
Formato:
Microsoft Word XML
Descripción:
Referencias bibliográficas
Descargar
Bloque de licencias
Mostrando 1 - 4 de 4
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Carta.pdf
Tamaño:
331.85 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de autorización
Descargar
No hay miniatura disponible
Nombre:
Carta2.pdf
Tamaño:
318.55 KB
Formato:
Adobe Portable Document Format
Descripción:
Anexo
Descargar
No hay miniatura disponible
Nombre:
Acta.pdf
Tamaño:
132.61 KB
Formato:
Adobe Portable Document Format
Descripción:
Anexo
Descargar

Colecciones

Especialización en Ortodoncia