Desarrollo de un modelo de predicción de crecimiento craneofacial en pacientes con labio y paladar hendido asistido por inteligencia artificial-Primera fase
dc.contributor.advisor | Castaño Duque, Sandra Patricia | |
dc.contributor.advisor | Restrepo Torres, Gabriel Eduardo | |
dc.contributor.advisor | Pereira Perdomo, Yvonne Mercedes | |
dc.contributor.author | Portuese Martínez, Valentina | |
dc.contributor.author | Sánchez Vargas, Ana Cristina | |
dc.date.accessioned | 2023-08-11T20:21:49Z | |
dc.date.available | 2023-08-11T20:21:49Z | |
dc.date.issued | 2023 | |
dc.description.abstract | Antecedentes: 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.abstractenglish | Background: 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.degreelevel | Especialización | spa |
dc.description.degreename | Especialista en Ortodoncia | spa |
dc.description.sponsorship | Hospital Infantil Universitario de San José | spa |
dc.description.sponsorship | Grupo de investigación UMIMC -Unidad de Manejo Integral de Malformaciones Craneofaciales | spa |
dc.description.sponsorship | Facultad de Ingeniería. Programa de Ingeniería de sistemas. Universidad El Bosque | spa |
dc.format.mimetype | application/pdf | |
dc.identifier.instname | instname:Universidad El Bosque | spa |
dc.identifier.reponame | reponame:Repositorio Institucional Universidad El Bosque | spa |
dc.identifier.repourl | repourl:https://repositorio.unbosque.edu.co | |
dc.identifier.uri | https://hdl.handle.net/20.500.12495/11266 | |
dc.language.iso | spa | |
dc.publisher.faculty | Facultad de Odontología | spa |
dc.publisher.grantor | Universidad El Bosque | spa |
dc.publisher.program | Especialización en Ortodoncia | spa |
dc.rights | Atribución-NoComercial-CompartirIgual 4.0 Internacional | * |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
dc.rights.accessrights | https://purl.org/coar/access_right/c_abf2 | |
dc.rights.local | Acceso abierto | spa |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.subject | Inteligencia artificial | spa |
dc.subject | Crecimiento craneofacial | spa |
dc.subject | Tecnología | spa |
dc.subject | Ortodoncia | spa |
dc.subject | Labio y paladar hendido | spa |
dc.subject.keywords | Artificial Intelligence | eng |
dc.subject.keywords | Cranio-facial growth | eng |
dc.subject.keywords | Technology | eng |
dc.subject.keywords | Orthodontics | eng |
dc.subject.keywords | Cleft lip and palate | eng |
dc.subject.nlm | WU400 | |
dc.title | Desarrollo de un modelo de predicción de crecimiento craneofacial en pacientes con labio y paladar hendido asistido por inteligencia artificial-Primera fase | spa |
dc.title.translated | Development of a craniofacial growth prediction model in patients with cleft lip and palate assisted by artificial intelligence. Phase one | eng |
dc.type.coar | https://purl.org/coar/resource_type/c_7a1f | |
dc.type.coarversion | https://purl.org/coar/version/c_ab4af688f83e57aa | |
dc.type.driver | info:eu-repo/semantics/bachelorThesis | |
dc.type.hasversion | info:eu-repo/semantics/acceptedVersion | |
dc.type.local | Tesis/Trabajo de grado - Monografía - Especialización | spa |
Archivos
Bloque original
1 - 2 de 2
Cargando...
- 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
No hay miniatura disponible
- Nombre:
- REFERENCIAS BIBLIOGRÁFICAS _Portuese-Martinez-Valentina_2023.docx
- Tamaño:
- 21.07 KB
- Formato:
- Microsoft Word XML
- Descripción:
- Referencias bibliográficas
Bloque de licencias
1 - 4 de 4
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 1.95 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción:
No hay miniatura disponible
- Nombre:
- Carta.pdf
- Tamaño:
- 331.85 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Carta de autorización
No hay miniatura disponible
- Nombre:
- Carta2.pdf
- Tamaño:
- 318.55 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Anexo
No hay miniatura disponible
- Nombre:
- Acta.pdf
- Tamaño:
- 132.61 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Anexo