Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar
Mediante las bases de datos que contienen información de pacientes diagnosticados con tuberculosis pulmonar, del hospital Santa Clara, se realizó una comparación de 3 algoritmos de agrupamiento basados en redes neuronales como lo son: los mapas autoorganizados, redes ART y redes Fuzzy Art, para conc...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- spa
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/24369
- Acceso en línea:
- https://doi.org/10.48713/10336_24369
https://repository.urosario.edu.co/handle/10336/24369
- Palabra clave:
- Tecnología medica
Diagnostico de tuberculosis
Analítica de datos
Bigdata en medicina
Incidencia & prevención de la enfermedad
Medical technology
Tuberculosis diagnosis
Data analytics
Bigdata in medicine
- Rights
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
EDOCUR2_8eb75fadb223c365a8863b8e26c2cdf7 |
|---|---|
| oai_identifier_str |
oai:repository.urosario.edu.co:10336/24369 |
| network_acronym_str |
EDOCUR2 |
| network_name_str |
Repositorio EdocUR - U. Rosario |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar |
| dc.title.TranslatedTitle.eng.fl_str_mv |
Data grouping analysis to support the diagnosis of Pulmonary Tuberculosis |
| title |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar |
| spellingShingle |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar Tecnología medica Diagnostico de tuberculosis Analítica de datos Bigdata en medicina Incidencia & prevención de la enfermedad Medical technology Tuberculosis diagnosis Data analytics Bigdata in medicine |
| title_short |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar |
| title_full |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar |
| title_fullStr |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar |
| title_full_unstemmed |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar |
| title_sort |
Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar |
| dc.contributor.advisor.none.fl_str_mv |
Orjuela Cañón, Alvaro David |
| dc.subject.spa.fl_str_mv |
Tecnología medica Diagnostico de tuberculosis Analítica de datos Bigdata en medicina |
| topic |
Tecnología medica Diagnostico de tuberculosis Analítica de datos Bigdata en medicina Incidencia & prevención de la enfermedad Medical technology Tuberculosis diagnosis Data analytics Bigdata in medicine |
| dc.subject.ddc.spa.fl_str_mv |
Incidencia & prevención de la enfermedad |
| dc.subject.keyword.spa.fl_str_mv |
Medical technology Tuberculosis diagnosis Data analytics Bigdata in medicine |
| description |
Mediante las bases de datos que contienen información de pacientes diagnosticados con tuberculosis pulmonar, del hospital Santa Clara, se realizó una comparación de 3 algoritmos de agrupamiento basados en redes neuronales como lo son: los mapas autoorganizados, redes ART y redes Fuzzy Art, para concluir cual de éstos presenta mejor índice de agrupamiento brindando apoyo al diagnóstico de la enfermedad. Posterior a esto, se realiza la visualizaciòn del comportamiento de las neuronas que se activan respecto a la condiciòn de egreso del hospital, permitiendole al profesional de la salud disminuir el tiempo de observaciòn de todos su pacientes y enfocandose en aquellos con mayor riesgo |
| publishDate |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2020-05-26T19:48:28Z |
| dc.date.available.none.fl_str_mv |
2020-05-26T19:48:28Z |
| dc.date.created.none.fl_str_mv |
2020-05-22 |
| dc.type.eng.fl_str_mv |
bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.document.spa.fl_str_mv |
Trabajo de grado |
| dc.type.spa.spa.fl_str_mv |
Trabajo de grado |
| dc.identifier.doi.none.fl_str_mv |
https://doi.org/10.48713/10336_24369 |
| dc.identifier.uri.none.fl_str_mv |
https://repository.urosario.edu.co/handle/10336/24369 |
| url |
https://doi.org/10.48713/10336_24369 https://repository.urosario.edu.co/handle/10336/24369 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia Abierto (Texto Completo) http://creativecommons.org/licenses/by-nc-nd/2.5/co/ http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad del Rosario |
| dc.publisher.department.spa.fl_str_mv |
Escuela de Medicina y Ciencias de la Salud |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Biomédica |
| institution |
Universidad del Rosario |
| dc.source.bibliographicCitation.spa.fl_str_mv |
World Health Organization WHO, “Global tuberculosis report 2019” Tuberculosis. Disponible en:https://medlineplus.gov/spanish/tuberculosis.html Tuberculosis. Disponible en: https://www.who.int/es/newsroom/factsheets/detail/tuberculosis I, N,S. Boletín epidemiológico semanal. Disponible en: https://www.ins.gov.co/buscadoreventos/BoletinEpidemiologico/2019%20Bolet%C 3%ADn%20epidemiol%C3%B3gico%20 semana%2011.pdf Metrosalud. Genexpert, una herramienta para el diagnóstico de la tuberculosis ahora en Metrosalud. Disponible en: http://www.metrosalud.gov.co/actualidad/noticias/genexpertuna-herramienta-parael-diagnostico-de-la-tuberculosis-ahora-en-metrosalud Instituto de ingeniería del conocimiento. Disponible en: https://www.iic.uam.es/lasalud/realidad-inteligencia-artificial-salud/ La IA predice un futuro más saludable para América Latina. Disponible en: https://www.scidev.net/america-latina/gobernanza/especial/la-ia-predice-unfuturo-massaludable-para-america-latina.com Machine learning. Disponible en: https://empresas.blogthinkbig.com/quealgoritmoelegir-en-ml-aprendizaje/ K.R.Lakshmi, M.Veera Krishna, S.Prem Kumar: Utilization of Data Mining Techniques for Prediction and Diagnosis of Tuberculosis Disease Survivability. In: Modern Education and Computer Science Press (MECS Press), 2013. Pp. (8-17). Ciampi , A,Lechevallier, Y, Brazil: Statistical Models and Artificial Neural Networks: Supervised Classification and Prediction Via Soft Trees.pp(275-283). Asha.T, S. Natarajan, and K.N.B. Murthy: A Data Mining Approach to the Diagnosis of Tuberculosis by Cascading Clustering and Classification. Mahmoud, Reza S, Shahaboddin S, Shahram Golzari H, Teh Ying W, Saeed A, Mohamad Amin P, T Olariu. Diagnosing Tuberculosis With a Novel Support Vector MachineBased Artificial Immune Recognition System. 2015 Navneet,Walia, Harsukpreet,Singh Sharad, Kumar Tiwari,Anurag Sharma: A Decision Support System For Tuberculosis Diagnosability.In: International Journal on Soft Computing (IJSC). Vol.6, No. 3, August 2015 Rusdah, Winarko, E: Review on Data Mining Methods for Tuberculosis Diagnosis. In: Review on Data Mining Methods for Tuberculosis Diagnosis. Jerome, Gumpy,M, Ibrahim G, Mohammed I. Neuro-Fuzzy Approach For Diagnosing And Control Of Tuberculosis. In: The International Journal of Computational Science, Information Technology and Control Engineering (IJCSITCE) Vol.5, No.1, 2018. Guénaël, C,Younès B. Learning the number of clusters in Self Organizing Map. Disponible en:https://lipn.univparis13.fr/~bennani/PUBLICATIONS/Cabanes/Cabanes_InTech10.pdf Los mapas autoorganizados de Kohonen. Disponible en: http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/tema5dm.pdf L.G, Heinz. Adaptive Resonance Theory. Disponible en: https://scholarsmine.mst.edu/cgi/viewcontent.cgi?article=1173&context=comsci_facwork Adaptive Resonance Theory: How a brain learns to consciously attend, learn, and recognize a changing world. Disponible en: https://dl.acm.org/doi/abs/10.1016/j.neunet.2012.09.017 Non, T, H. Duy, B.An Improved Learning Rule for Fuzzy ART. In: JOURNAL OF INFORMATION SCIENCE AND ENGINEERING 30, 713-726 ,2014. Michael,J,G..understanding kmeans clustering in Machine Learning. Disponible en: https://towardsdatascience.com/understanding-k-means-clustering-in-machinelearning6a6e67336aa1 Daniel, O, F. desarrollo de arquitecturas especializadas para sistemas de conucción inteligente. (Septiembre del 2017). Universidad de Alicante. Disponible en: https://rua.ua.es/dspace/bitstream/10045/70314/1/TFG-Daniel-Ortega.pdf Optimización de resultados mediante algoritmos de selección de variables. Disponible en:https://www.tdx.cat/bitstream/handle/10803/8451/6_CAPITULO2%28Cristhian %29.pdf? sequence=8&isAllowed=y Elizabeth, L, G.Métricas para la validaión de clustering. Disponible en: https://disi.unal.edu.co/~eleonguz/cursos/mda/presentaciones/validacion_Clusteri ng.pdf Elizabeth, L, G.Métricas para la validaión de clustering. Disponible en: https://disi.unal.edu.co/~eleonguz/cursos/mda/presentaciones/validacion_Clusteri ng.pdf Tuberculosis.Disponible en: https://www.cdc.gov/tb/esp/default.htm Redes neuronales. Disponible en: http://avellano.fis.usal.es/~lalonso/RNA/index.htm Ivonne,G,G,(25 Septiembre 2013).algoritmo SVM para problemas sobre big data. Universidad Autónoma de Madrid. Ligdi, G. Naive bayes.Disponible en: https:ligdigonzalez.com/naive-bayesteoriamachine.learning Orjuela-Cañon, A.D., de Seixas, J.M., Trajman, A.: SOM Neural Networks as a Tool in Pleural Tuberculosis Diagnostic. In: Braga, A. de P. and Bastos Filho, C.J.A. (eds.) Annals of the 11th Brazilian Congress on Computational Intelligence. pp. 1–5. SBIC, Porto de Galinhas, PE (2013). Orjuela-Cañon, A.D., de Seixas, J.: Fuzzy-ART neural networks for triage in pleural tuberculosis. In: Health Care Exchanges (PAHCE), 2013 Pan American. pp. 1–4 (2013) |
| dc.source.instname.spa.fl_str_mv |
instname:Universidad del Rosario instname:Universidad del Rosario |
| dc.source.reponame.none.fl_str_mv |
reponame:Repositorio Institucional EdocUR |
| bitstream.url.fl_str_mv |
https://repository.urosario.edu.co/bitstreams/bdf67775-32be-4195-a27c-9e83d45c2036/download https://repository.urosario.edu.co/bitstreams/ee2803b1-e7fa-4333-9564-4ded7880f671/download https://repository.urosario.edu.co/bitstreams/6b4efd4b-c943-47c2-8e7a-61be4756c2cd/download https://repository.urosario.edu.co/bitstreams/b813f837-0eb7-496d-9048-d2062de162ef/download https://repository.urosario.edu.co/bitstreams/876d916b-2349-4592-b45c-3cf3f8216ffb/download |
| bitstream.checksum.fl_str_mv |
98bbf8faf2f93d8b46e49a00285807cd 217700a34da79ed616c2feb68d4c5e06 fab9d9ed61d64f6ac005dee3306ae77e 9fd990f12ab31baaad6f4fd92ca6869d 87d9641fc29082dc94087ab248f65826 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional EdocUR |
| repository.mail.fl_str_mv |
edocur@urosario.edu.co |
| _version_ |
1814167542478929920 |
| spelling |
Orjuela Cañón, Alvaro David80030377600Ortiz Neira, Karina AlejandraIngeniero BiomédicoFull timed7feb058-8f5a-4d5a-9c2d-100d9ad66a786002020-05-26T19:48:28Z2020-05-26T19:48:28Z2020-05-22Mediante las bases de datos que contienen información de pacientes diagnosticados con tuberculosis pulmonar, del hospital Santa Clara, se realizó una comparación de 3 algoritmos de agrupamiento basados en redes neuronales como lo son: los mapas autoorganizados, redes ART y redes Fuzzy Art, para concluir cual de éstos presenta mejor índice de agrupamiento brindando apoyo al diagnóstico de la enfermedad. Posterior a esto, se realiza la visualizaciòn del comportamiento de las neuronas que se activan respecto a la condiciòn de egreso del hospital, permitiendole al profesional de la salud disminuir el tiempo de observaciòn de todos su pacientes y enfocandose en aquellos con mayor riesgoUsing the databases that contain information from patients diagnosed with pulmonary tuberculosis, from the Santa Clara hospital, a comparison was made of 3 clustering algorithms based on neural networks such as: self-organized maps, ART networks and Fuzzy Art networks, to conclude Which of these presents the best grouping index, supporting the diagnosis of the disease. After this, the visualization of the behavior of the neurons that are activated with respect to the condition of discharge from the hospital is carried out, allowing the health professional to reduce the observation time of all his patients and focusing on those at higher riskapplication/pdfhttps://doi.org/10.48713/10336_24369 https://repository.urosario.edu.co/handle/10336/24369spaUniversidad del RosarioEscuela de Medicina y Ciencias de la SaludIngeniería BiomédicaAtribución-NoComercial-SinDerivadas 2.5 ColombiaAbierto (Texto Completo)EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.http://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2World Health Organization WHO, “Global tuberculosis report 2019”Tuberculosis. Disponible en:https://medlineplus.gov/spanish/tuberculosis.htmlTuberculosis. Disponible en: https://www.who.int/es/newsroom/factsheets/detail/tuberculosisI, N,S. Boletín epidemiológico semanal. Disponible en: https://www.ins.gov.co/buscadoreventos/BoletinEpidemiologico/2019%20Bolet%C 3%ADn%20epidemiol%C3%B3gico%20 semana%2011.pdfMetrosalud. Genexpert, una herramienta para el diagnóstico de la tuberculosis ahora en Metrosalud. Disponible en: http://www.metrosalud.gov.co/actualidad/noticias/genexpertuna-herramienta-parael-diagnostico-de-la-tuberculosis-ahora-en-metrosaludInstituto de ingeniería del conocimiento. Disponible en: https://www.iic.uam.es/lasalud/realidad-inteligencia-artificial-salud/La IA predice un futuro más saludable para América Latina. Disponible en: https://www.scidev.net/america-latina/gobernanza/especial/la-ia-predice-unfuturo-massaludable-para-america-latina.comMachine learning. Disponible en: https://empresas.blogthinkbig.com/quealgoritmoelegir-en-ml-aprendizaje/K.R.Lakshmi, M.Veera Krishna, S.Prem Kumar: Utilization of Data Mining Techniques for Prediction and Diagnosis of Tuberculosis Disease Survivability. In: Modern Education and Computer Science Press (MECS Press), 2013. Pp. (8-17).Ciampi , A,Lechevallier, Y, Brazil: Statistical Models and Artificial Neural Networks: Supervised Classification and Prediction Via Soft Trees.pp(275-283).Asha.T, S. Natarajan, and K.N.B. Murthy: A Data Mining Approach to the Diagnosis of Tuberculosis by Cascading Clustering and Classification.Mahmoud, Reza S, Shahaboddin S, Shahram Golzari H, Teh Ying W, Saeed A, Mohamad Amin P, T Olariu. Diagnosing Tuberculosis With a Novel Support Vector MachineBased Artificial Immune Recognition System. 2015Navneet,Walia, Harsukpreet,Singh Sharad, Kumar Tiwari,Anurag Sharma: A Decision Support System For Tuberculosis Diagnosability.In: International Journal on Soft Computing (IJSC). Vol.6, No. 3, August 2015Rusdah, Winarko, E: Review on Data Mining Methods for Tuberculosis Diagnosis. In: Review on Data Mining Methods for Tuberculosis Diagnosis.Jerome, Gumpy,M, Ibrahim G, Mohammed I. Neuro-Fuzzy Approach For Diagnosing And Control Of Tuberculosis. In: The International Journal of Computational Science, Information Technology and Control Engineering (IJCSITCE) Vol.5, No.1, 2018.Guénaël, C,Younès B. Learning the number of clusters in Self Organizing Map. Disponible en:https://lipn.univparis13.fr/~bennani/PUBLICATIONS/Cabanes/Cabanes_InTech10.pdfLos mapas autoorganizados de Kohonen. Disponible en: http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/tema5dm.pdfL.G, Heinz. Adaptive Resonance Theory. Disponible en: https://scholarsmine.mst.edu/cgi/viewcontent.cgi?article=1173&context=comsci_facworkAdaptive Resonance Theory: How a brain learns to consciously attend, learn, and recognize a changing world. Disponible en: https://dl.acm.org/doi/abs/10.1016/j.neunet.2012.09.017Non, T, H. Duy, B.An Improved Learning Rule for Fuzzy ART. In: JOURNAL OF INFORMATION SCIENCE AND ENGINEERING 30, 713-726 ,2014.Michael,J,G..understanding kmeans clustering in Machine Learning. Disponible en: https://towardsdatascience.com/understanding-k-means-clustering-in-machinelearning6a6e67336aa1Daniel, O, F. desarrollo de arquitecturas especializadas para sistemas de conucción inteligente. (Septiembre del 2017). Universidad de Alicante. Disponible en: https://rua.ua.es/dspace/bitstream/10045/70314/1/TFG-Daniel-Ortega.pdfOptimización de resultados mediante algoritmos de selección de variables. Disponible en:https://www.tdx.cat/bitstream/handle/10803/8451/6_CAPITULO2%28Cristhian %29.pdf? sequence=8&isAllowed=yElizabeth, L, G.Métricas para la validaión de clustering. Disponible en: https://disi.unal.edu.co/~eleonguz/cursos/mda/presentaciones/validacion_Clusteri ng.pdfElizabeth, L, G.Métricas para la validaión de clustering. Disponible en: https://disi.unal.edu.co/~eleonguz/cursos/mda/presentaciones/validacion_Clusteri ng.pdfTuberculosis.Disponible en: https://www.cdc.gov/tb/esp/default.htmRedes neuronales. Disponible en: http://avellano.fis.usal.es/~lalonso/RNA/index.htmIvonne,G,G,(25 Septiembre 2013).algoritmo SVM para problemas sobre big data. Universidad Autónoma de Madrid.Ligdi, G. Naive bayes.Disponible en: https:ligdigonzalez.com/naive-bayesteoriamachine.learningOrjuela-Cañon, A.D., de Seixas, J.M., Trajman, A.: SOM Neural Networks as a Tool in Pleural Tuberculosis Diagnostic. In: Braga, A. de P. and Bastos Filho, C.J.A. (eds.) Annals of the 11th Brazilian Congress on Computational Intelligence. pp. 1–5. SBIC, Porto de Galinhas, PE (2013).Orjuela-Cañon, A.D., de Seixas, J.: Fuzzy-ART neural networks for triage in pleural tuberculosis. In: Health Care Exchanges (PAHCE), 2013 Pan American. pp. 1–4 (2013)instname:Universidad del Rosarioinstname:Universidad del Rosarioreponame:Repositorio Institucional EdocURTecnología medicaDiagnostico de tuberculosisAnalítica de datosBigdata en medicinaIncidencia & prevención de la enfermedad614600Medical technologyTuberculosis diagnosisData analyticsBigdata in medicineAnálisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis PulmonarData grouping analysis to support the diagnosis of Pulmonary TuberculosisbachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de Medicina y Ciencias de la SaludORIGINALOrtizNeira-KarinaAlejandra-2020.pdfOrtizNeira-KarinaAlejandra-2020.pdfapplication/pdf1075828https://repository.urosario.edu.co/bitstreams/bdf67775-32be-4195-a27c-9e83d45c2036/download98bbf8faf2f93d8b46e49a00285807cdMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.urosario.edu.co/bitstreams/ee2803b1-e7fa-4333-9564-4ded7880f671/download217700a34da79ed616c2feb68d4c5e06MD53LICENSElicense.txtlicense.txttext/plain1475https://repository.urosario.edu.co/bitstreams/6b4efd4b-c943-47c2-8e7a-61be4756c2cd/downloadfab9d9ed61d64f6ac005dee3306ae77eMD52TEXTOrtizNeira-KarinaAlejandra-2020.pdf.txtOrtizNeira-KarinaAlejandra-2020.pdf.txtExtracted texttext/plain100584https://repository.urosario.edu.co/bitstreams/b813f837-0eb7-496d-9048-d2062de162ef/download9fd990f12ab31baaad6f4fd92ca6869dMD54THUMBNAILOrtizNeira-KarinaAlejandra-2020.pdf.jpgOrtizNeira-KarinaAlejandra-2020.pdf.jpgGenerated Thumbnailimage/jpeg2328https://repository.urosario.edu.co/bitstreams/876d916b-2349-4592-b45c-3cf3f8216ffb/download87d9641fc29082dc94087ab248f65826MD5510336/24369oai:repository.urosario.edu.co:10336/243692021-10-19 14:22:39.293http://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadas 2.5 Colombiahttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.coRUwoTE9TKSBBVVRPUihFUyksIG1hbmlmaWVzdGEobWFuaWZlc3RhbW9zKSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIgbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8gbGEgb2JyYSBlcyBkZSBleGNsdXNpdmEgYXV0b3LDrWEgeSB0aWVuZSBsYSB0aXR1bGFyaWRhZCBzb2JyZSBsYSBtaXNtYS4gCgpQQVJHUkFGTzogRW4gY2FzbyBkZSBwcmVzZW50YXJzZSBjdWFscXVpZXIgcmVjbGFtYWNpw7NuIG8gYWNjacOzbiBwb3IgcGFydGUgZGUgdW4gdGVyY2VybyBlbiBjdWFudG8gYSBsb3MgZGVyZWNob3MgZGUgYXV0b3Igc29icmUgbGEgb2JyYSBlbiBjdWVzdGnDs24sIEVMIEFVVE9SLCBhc3VtaXLDoSB0b2RhIGxhIHJlc3BvbnNhYmlsaWRhZCwgeSBzYWxkcsOhIGVuIGRlZmVuc2EgZGUgbG9zIGRlcmVjaG9zIGFxdcOtIGF1dG9yaXphZG9zOyBwYXJhIHRvZG9zIGxvcyBlZmVjdG9zIGxhIHVuaXZlcnNpZGFkIGFjdMO6YSBjb21vIHVuIHRlcmNlcm8gZGUgYnVlbmEgZmUuIAoKRUwgQVVUT1IsIGF1dG9yaXphIGEgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8sICBwYXJhIHF1ZSBlbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgTGV5IDQ0IGRlIDE5OTMsIERlY2lzacOzbiBhbmRpbmEgMzUxIGRlIDE5OTMsIERlY3JldG8gNDYwIGRlIDE5OTUgeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCAgdXRpbGljZSB5IHVzZSBsYSBvYnJhIG9iamV0byBkZSBsYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuLgoKLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0KClBPTElUSUNBIERFIFRSQVRBTUlFTlRPIERFIERBVE9TIFBFUlNPTkFMRVMuIERlY2xhcm8gcXVlIGF1dG9yaXpvIHByZXZpYSB5IGRlIGZvcm1hIGluZm9ybWFkYSBlbCB0cmF0YW1pZW50byBkZSBtaXMgZGF0b3MgcGVyc29uYWxlcyBwb3IgcGFydGUgZGUgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8gIHBhcmEgZmluZXMgYWNhZMOpbWljb3MgeSBlbiBhcGxpY2FjacOzbiBkZSBjb252ZW5pb3MgY29uIHRlcmNlcm9zIG8gc2VydmljaW9zIGNvbmV4b3MgY29uIGFjdGl2aWRhZGVzIHByb3BpYXMgZGUgbGEgYWNhZGVtaWEsIGNvbiBlc3RyaWN0byBjdW1wbGltaWVudG8gZGUgbG9zIHByaW5jaXBpb3MgZGUgbGV5LiBQYXJhIGVsIGNvcnJlY3RvIGVqZXJjaWNpbyBkZSBtaSBkZXJlY2hvIGRlIGhhYmVhcyBkYXRhICBjdWVudG8gY29uIGxhIGN1ZW50YSBkZSBjb3JyZW8gaGFiZWFzZGF0YUB1cm9zYXJpby5lZHUuY28sIGRvbmRlIHByZXZpYSBpZGVudGlmaWNhY2nDs24gIHBvZHLDqSBzb2xpY2l0YXIgbGEgY29uc3VsdGEsIGNvcnJlY2Npw7NuIHkgc3VwcmVzacOzbiBkZSBtaXMgZGF0b3MuCgo= |