Método de apoyo para el diagnóstico en imágenes radiológicas de neumonía pediátrica mediante técnicas de inteligencia artificial

Vista sencilla de ítem
dc.contributor.advisorArrazola Ángel, Rafael Antonio
dc.contributor.advisorAvendaño Pérez, Jonathan
dc.contributor.authorBustos Jiménez, Jeysshon Javier
dc.date.accessioned2022-12-14T16:48:14Z
dc.date.available2022-12-14T16:48:14Z
dc.date.issued2022
dc.description.abstractLos modelos de IA en aprendizaje de imágenes médicas diagnosticas, se están convirtiendo en herramientas de apoyo al personal médico para garantizar un óptimo diagnóstico. Sin embargo, con una red neuronal clásica se crea una clasificación al poder abstraer patrones jerárquicamente la imagen medica original, estos patrones son características de la posición y orientación del objeto, y esta falta de información espacial limita la precisión de la clasificación de imágenes médicas radiológicas pediátricas. Por lo tanto, se plantea el desarrollo de una red neuronal que ayude al personal médico al diagnóstico de Neumonía pediátrica. Se propone una IA de aprendizaje profundo usando redes neuronales convolucionales para detectar y diagnosticar neumonía pediátrica, este método se utiliza a través de un filtro que se aplica a la imagen en escala de grises la cual permite extraer ciertas características y patrones, de dichas imágenes radiológicas para la detección de neumonía, usamos los parámetros del modelo aprendidos a través del Data set “Labeled Optical Coherence Tomography (OCT) and Chest X-Ray Images for Classification” en conjuntos de datos a gran escala, para inicializar el modelo se usó través del aprendizaje por transferencia. El método propuesto se ha evaluado para extraer características de textura asociadas con neumonía pediátrica. Los resultados experimentales del conjunto del Data set obtienen una precisión de 92%. Con este método se obtiene una herramienta para la clasificación de imágenes radiológicas y rendimiento que permite ayudar al personal médico a garantizar una óptima atención pediátrica en casos de neumonía. Además, de ser una herramienta útil de no contar con un especialista. Generando, una base para futuras investigaciones, manteniendo un modelo cíclico que dé lugar a la optimización del enfoque y así aplicarlo a la medicina.spa
dc.description.abstractenglishArtificial intelligence models in diagnostic medical image learning are becoming support tools for medical personnel to ensure optimal diagnosis. However, with a classical neural network, a classification is created by being able to hierarchically abstract patterns from the original medical image, these patterns are characteristics of the position and orientation of the object, and this lack of spatial information limits the accuracy of the classification of radiological medical images. pediatric. Therefore, the development of a neural network that helps medical personnel to diagnose pediatric pneumonia is proposed. A deep learning AI is proposed using convolutional neural networks to detect and diagnose pediatric pneumonia, this method is used through a filter that is applied to the grayscale image which allows extracting certain characteristics and patterns from said radiological images. for pneumonia detection, we used the model parameters learned through the Data set “Labeled Optical Coherence Tomography (OCT) and Chest X-Ray Images for Classification” in large-scale data sets, to initialize the model it was used through the transfer learning. The proposed method has been evaluated to extract textural features associated with pediatric pneumonia. The experimental results of the Data set obtain a precision of 92%. With this method, a tool for the classification of radiological images and performance is obtained that allows helping medical personnel to guarantee optimal pediatric care in cases of pneumonia. In addition, to be a useful tool not to have a specialist. Generating a basis for future research, maintaining a cyclical model that leads to the optimization of the approach and thus apply it to medicine.eng
dc.description.degreelevelPregradospa
dc.description.degreenameBioingenierospa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad El Bosquespa
dc.identifier.reponamereponame:Repositorio Institucional Universidad El Bosquespa
dc.identifier.repourlhttps://repositorio.unbosque.edu.co
dc.identifier.urihttps://hdl.handle.net/20.500.12495/9514
dc.language.isospa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.grantorUniversidad El Bosquespa
dc.publisher.programBioingenieríaspa
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.subjectDeep learning.spa
dc.subjectAprendizaje profundospa
dc.subjectAprendizaje de maquinaspa
dc.subjectNeumoníaspa
dc.subjectPediatricospa
dc.subjectRedes neuronales convolucionalesspa
dc.subject.ddc610.28
dc.subject.keywordsMachine learningspa
dc.subject.keywordsDeep learningspa
dc.subject.keywordsConvolutional neural networksspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsPneumoniaspa
dc.titleMétodo de apoyo para el diagnóstico en imágenes radiológicas de neumonía pediátrica mediante técnicas de inteligencia artificialspa
dc.title.translatedSupport method for the diagnosis in radiological images of pediatric pneumonia using artificial intelligence techniquesspa
dc.type.coarhttps://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttps://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTesis/Trabajo de grado - Monografía - Pregradospa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
2021_2_p_bustos__método_de_apoyo_para_el_diagnóstico_en_imágenes_radiológicas_de_neumonía_pediátrica_mediante_técnicas_de_inteligencia_artificial_2022_2 (2).pdf
Tamaño:
3.58 MB
Formato:
Adobe Portable Document Format
Descripción:
Método de apoyo para el diagnóstico en imágenes radiológicas de neumonía pediátrica mediante técnicas de inteligencia artificial
Descargar
Miniatura
Nombre:
manual_codigo_2021_2_p_bustos__método_de_apoyo_para_el_diagnóstico_en_imágenes_radiológicas_de_neumonía_pediátrica_mediante_técnicas_de_inteligencia_artificial_2022_2.pdf
Tamaño:
2.54 MB
Formato:
Adobe Portable Document Format
Descripción:
Anexo
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
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:
Anexo No_3 - Carta de Autorizacion de uso de tesis y trabajos de grado a favor de la UEB.pdf
Tamaño:
832.34 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de autorización
Descargar

Colecciones

Bioingeniería