Identificación automática de hemorragias intracraneales en el Departamento de Radiología de la Fundación Valle de Lili

La aplicación cada vez más frecuente de máquinas de aprendizaje, destaca la habilidad de esta herramienta para realizar tareas y analizar datos complejos o en gran cantidad, logrando automatizar muchos procesos de la vida real. Además, en cuanto al entorno médico, específicamente en imagenología médica, el tiempo que toma la valoración de las imágenes puede ser crítico en algunas patologías como lo son las hemorragias intracraneales, las cuales se deben tratar lo más rápido posible para evitar un desenlace no deseado en el paciente. Por lo anterior el objetivo del presente proyecto se basa en desarrollar una metodología, aplicando modelos de máquinas de aprendizaje que permitan abordar la identificación de hemorragias intracraneales en imágenes de tomografía computarizada, clasificando pacientes sanos y enfermos, de acuerdo con los hallazgos en las imágenes, y priorizando la revisión del estudio para su posterior reporte, el cual es realizado por el personal médico. Para llevar a cabo la tarea de clasificación, se obtiene un conjunto de datos de 740 pacientes, de los cuales se extraen 21 regiones por cada paciente, como resultado 15540 muestras de las cuales 1978 se encuentran etiquetadas como enfermas y el resto como sanas, dichas muestras enfermas fueron sometidas a técnicas de balanceo de datos que permitieron equilibrar las clases; seguido a esto, se realiza extracción de características radiómicas a partir de dichas muestras y se procede a evaluar los modelos de clasificación, en donde se compara el desempeño de 6 modelos de máquinas de aprendizaje para obtener el modelo con las mejores métricas. Como resultado, el mejor modelo para realizar la clasificación fue árboles de decisión el cual obtuvo una puntuación F1 del 94,5% y un menor número de falsos positivos y falsos negativos, demostrando así su alta exactitud en comparación con los demás modelos. Los resultados obtenidos permitieron destacar el buen rendimiento de los algoritmos de máquinas de aprendizaje aplicados a la identificación de hemorragias intracraneales.

• Autores: Pabón Ordoñez, Laura Melisa
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/14927
• Acceso en línea: https://hdl.handle.net/10614/14927; https://red.uao.edu.co/
• Palabra clave: Ingeniería Biomédica; Cerebro - Hemorragia; Cerebro; Diagnóstico por imagen; Tomografía; Aprendizaje automático (Inteligencia artificial); Brain - Hemorrhage; Brain; Diagnostic imaging; Tomography; Machine learning; Hemorragia intracraneal; Máquinas de aprendizaje; Tomografía computarizada; Radiómica; Imágenes médicas
• Rights: openAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2023