Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina

Reconstruir, segmentar y clasificar el árbol bronquial ha sido de gran importancia en el área de la salud y la ingeniería, con un análisis adecuado podrían identificarse zonas afectadas por diversas enfermedades como cáncer de pulmón o Covid-19 para posteriormente tratarlas, ayudando tanto a sistemas de detección automática como a médicos y a personal de salud en campo. Dada la dificultad de obtener una imagen completa (normalmente tomografías computarizadas) sin errores y por la misma anatomía del pulmón, este problema ha sido atacado ampliamente mediante el procesamiento de imágenes médicas usando métodos de morfologías matemáticas y de crecimiento de regiones entre otros, pero aún no hay un método definitivo. En el presente trabajo se realizó una clasificación del árbol bronquial mediante un proceso de tres etapas, tomando como punto de partida una imagen binaria de los árboles bronquiales.Primero, se realizó un estudio e identificación de los puntos internos y externos de los árboles. Posteriormente se creó y utilizó un algoritmo de aprendizaje de máquina no supervisado, que tiene como base el algoritmo de Dijkstra, y finalmente se realizó un método de clasificación utilizando Jenks Natural Breaks para clasificar aquellas rutas más transitadas dentro de los árboles bronquiales.

• Tipo de recurso: masterThesis
• Fecha de publicación: 2021
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/58912
• Acceso en línea: http://hdl.handle.net/10554/58912; https://doi.org/10.11144/Javeriana.10554.58912
• Palabra clave: Árbol bronquial; Pulmones; Inteligencia artificial; Aprendizaje de máquina; Aprendizaje no supervisado; Imágenes médicas; Dijkstra; Algoritmo; Jenks natural breaks; Vóxeles; Clasificación; Segmentación; Bronchial tree; Lungs; Artificial intelligence; Machine learning; Unsupervised learning; Medical imaging; Dijkstra; Algorithm; Jenks natural breaks; Voxels; Classification; Segmentation; Maestría en inteligencia artificial - Tesis y disertaciones académicas; Inteligencia artificial; Aprendizaje de máquinas; Mejoramiento de procesos
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional