Diagnóstico de cáncer pulmonar a través de un análisis cuantitativo de imágenes de tomografía computarizada.
| dc.contributor.advisor | Espinoza Bornscheuer, Ignacio Guillermo | |
| dc.contributor.author | Paredes Ahumada, Juan Antonio | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Facultad de Física | |
| dc.date.accessioned | 2020-03-16T15:09:47Z | |
| dc.date.available | 2020-03-16T15:09:47Z | |
| dc.date.issued | 2020 | |
| dc.description | Tesis (Magíster en Física Médica)--Pontificia Universidad Católica de Chile, 2020 | |
| dc.description.abstract | El trabajo realizado consistió en el desarrollo de un código computacional capaz de encontrar diferencias estadísticamente significativas entre imágenes de tomografía computacional en poblaciones de pacientes con nódulos pulmonares benignos y malignos, obtenidos del repositorio abierto TCIA [2]. Los features utilizados para diferenciar las poblaciones consistieron en features morfológicos tridimensionales, features de primer orden y basados en matriz de co-ocurrencia del nivel de gris (GLCM). Estos features se obtuvieron con el software MITK [3] luego de segmentar el nódulo pulmonar mediante Region growing en la misma plataforma. Con los features que mostraron diferencias entre ambas poblaciones se construyeron modelos univariados de Machine Learning con los algoritmos Regresión logística (LR), Vecinos cercanos (KNN), Arbol de decisión ´ (DT), Máquinas de soporte vectorial (SVM) y Naive Bayes (NB) para predecir la clasificación de los nódulos pulmonares, eliminando aquellos features correlacionados que tenían un bajo rendimiento. Se evaluó la métrica F1 para analizar el desempeño de los modelos, utilizando validación cruzada con k = 5 repetida 20 veces. Se realizó también un modelo multivariado buscando la combinación de features que tiene la menor razón de falsos negativos, encontrando como resultado los features Promedio, Disimilitud, Compacticidad y Correlación con el algoritmo NB, obteniéndose un FNR = 0.307 ± 0.036 y AUC = 0.678 ± 0.025. Este conjunto de features están en concordancia con relaciones previamente encontradas [4,5] y con características que el profesional médico observa comúnmente en imágenes de tomografía computarizada. | |
| dc.format.extent | 114 páginas | |
| dc.identifier.doi | 10.7764/tesisUC/FIS/28526 | |
| dc.identifier.uri | https://doi.org/10.7764/tesisUC/FIS/28526 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/28526 | |
| dc.language.iso | es | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 616.99424 | |
| dc.subject.dewey | Medicina y salud | es_ES |
| dc.subject.other | Cáncer de pulmón - Diagnóstico | es_ES |
| dc.subject.other | Tomografía computarizada de emisión | es_ES |
| dc.title | Diagnóstico de cáncer pulmonar a través de un análisis cuantitativo de imágenes de tomografía computarizada. | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 131177 |