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 sistema...
- Autores:
- 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
- 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
| id |
JAVERIANA_25696a8f9aea1c198bf3027e8c45a50c |
|---|---|
| oai_identifier_str |
oai:repository.javeriana.edu.co:10554/58912 |
| network_acronym_str |
JAVERIANA |
| network_name_str |
Repositorio Universidad Javeriana |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina Classification of bronchial trees and most transited pathways using machine learning methods |
| title |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina |
| spellingShingle |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina Jiménez Prieto, Daniel Iván 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 |
| title_short |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina |
| title_full |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina |
| title_fullStr |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina |
| title_full_unstemmed |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina |
| title_sort |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquina |
| dc.creator.none.fl_str_mv |
Jiménez Prieto, Daniel Iván |
| author |
Jiménez Prieto, Daniel Iván |
| author_facet |
Jiménez Prieto, Daniel Iván |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Flórez Valencia, Leonardo Posada Uribe, Luisa Fernanda Suárez Venegas, Daniel Ricardo |
| dc.subject.none.fl_str_mv |
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 |
| topic |
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 |
| description |
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. |
| publishDate |
2021 |
| dc.date.none.fl_str_mv |
2021-12-07 2022-02-03T17:31:57Z 2022-02-03T17:31:57Z |
| dc.type.none.fl_str_mv |
http://purl.org/coar/version/c_ab4af688f83e57aa Tesis/Trabajo de grado - Monografía - Maestría http://purl.org/coar/resource_type/c_bdcc info:eu-repo/semantics/masterThesis info:eu-repo/semantics/publishedVersion |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/10554/58912 https://doi.org/10.11144/Javeriana.10554.58912 instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
| url |
http://hdl.handle.net/10554/58912 https://doi.org/10.11144/Javeriana.10554.58912 |
| identifier_str_mv |
instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
PDF application/pdf application/pdf |
| dc.coverage.none.fl_str_mv |
Colombia |
| dc.publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Inteligencia Artificial Facultad de Ingeniería |
| publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Inteligencia Artificial Facultad de Ingeniería |
| dc.source.none.fl_str_mv |
reponame:Repositorio Universidad Javeriana instname:Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
| instname_str |
Pontificia Universidad Javeriana |
| instacron_str |
Pontificia Universidad Javeriana |
| institution |
Pontificia Universidad Javeriana |
| reponame_str |
Repositorio Universidad Javeriana |
| collection |
Repositorio Universidad Javeriana |
| _version_ |
1803712882689441792 |
| spelling |
Clasificación de los árboles bronquiales y caminos más transitados utilizando métodos de aprendizaje de máquinaClassification of bronchial trees and most transited pathways using machine learning methodsJiménez Prieto, Daniel IvánÁrbol bronquialPulmonesInteligencia artificialAprendizaje de máquinaAprendizaje no supervisadoImágenes médicasDijkstraAlgoritmoJenks natural breaksVóxelesClasificaciónSegmentaciónBronchial treeLungsArtificial intelligenceMachine learningUnsupervised learningMedical imagingDijkstraAlgorithmJenks natural breaksVoxelsClassificationSegmentationMaestría en inteligencia artificial - Tesis y disertaciones académicasInteligencia artificialAprendizaje de máquinasMejoramiento de procesosReconstruir, 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.Reconstructing, segmenting, and classifying the bronchial tree has been of great importance in health and engineering areas, with accurate analysis areas affected by various diseases such as lung cancer or Covid-19 could be identified to treat them afterward, helping both, automated detection systems as doctors and health personnel in the field. Given the difficulty of obtaining a complete image (usually CT scans) without errors and because of the lung anatomy itself, this problem has been widely attacked by processing medical images using methods of mathematical morphologies and growth of regions among others, but still, there is no definitive method. In the present work, a classification of the bronchial tree was carried out through a three-stage process, taking as a starting point a binary image of the bronchial trees. First, a study and identification of the internal and external points of the trees was carried out. Subsequently, an unsupervised machine learning algorithm was created and used, based on the Dijkstra algorithm, and finally, a classification method was executed using Jenks Natural Breaks to classify those busiest routes within the bronchial trees.Magíster en Inteligencia ArtificialMaestríaPontificia Universidad JaverianaMaestría en Inteligencia ArtificialFacultad de IngenieríaFlórez Valencia, LeonardoPosada Uribe, Luisa FernandaSuárez Venegas, Daniel Ricardo2022-02-03T17:31:57Z2022-02-03T17:31:57Z2021-12-07http://purl.org/coar/version/c_ab4af688f83e57aaTesis/Trabajo de grado - Monografía - Maestríahttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionPDFapplication/pdfapplication/pdfhttp://hdl.handle.net/10554/58912https://doi.org/10.11144/Javeriana.10554.58912instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.cospaColombiaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.reponame:Repositorio Universidad Javerianainstname:Pontificia Universidad Javerianainstacron:Pontificia Universidad Javeriana2022-04-29T17:36:44Z |