Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras
RESUMEN: Introducción: La tecnología de inteligencia artificial y las redes neuronales convolucionales (RNC) son uno de los principales campos de investigación en el desarrollo de herramientas de apoyo en medicina, con potencial aplicación en el diagnóstico de quemaduras. Metodología: Se diseñó un m...
- Autores:
-
Ruiz Ruales, Anna Katherine
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2021
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/20963
- Acceso en línea:
- http://hdl.handle.net/10495/20963
- Palabra clave:
- Quemaduras
Diagnóstico por imagen
Inteligencia artificial
Telemedicina
Diagnostic imaging
Burns
Telemedicine
Artificial intelligence
Redes neuronales convolucionales (RNC)
http://id.nlm.nih.gov/mesh/D003952
http://id.nlm.nih.gov/mesh/D002056
http://id.nlm.nih.gov/mesh/D017216
http://id.nlm.nih.gov/mesh/D001185
- Rights
- embargoedAccess
- License
- http://purl.org/coar/access_right/c_f1cf
id |
UDEA2_b07d72c910f15f41437ae2318d69a39a |
---|---|
oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/20963 |
network_acronym_str |
UDEA2 |
network_name_str |
Repositorio UdeA |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras |
title |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras |
spellingShingle |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras Quemaduras Diagnóstico por imagen Inteligencia artificial Telemedicina Diagnostic imaging Burns Telemedicine Artificial intelligence Redes neuronales convolucionales (RNC) http://id.nlm.nih.gov/mesh/D003952 http://id.nlm.nih.gov/mesh/D002056 http://id.nlm.nih.gov/mesh/D017216 http://id.nlm.nih.gov/mesh/D001185 |
title_short |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras |
title_full |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras |
title_fullStr |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras |
title_full_unstemmed |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras |
title_sort |
Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemaduras |
dc.creator.fl_str_mv |
Ruiz Ruales, Anna Katherine |
dc.contributor.advisor.none.fl_str_mv |
Salinas Rendón, Ana María |
dc.contributor.author.none.fl_str_mv |
Ruiz Ruales, Anna Katherine |
dc.contributor.researcher.none.fl_str_mv |
Arias Florez, Walter |
dc.subject.mesh.none.fl_str_mv |
Quemaduras Diagnóstico por imagen Inteligencia artificial Telemedicina Diagnostic imaging Burns Telemedicine Artificial intelligence |
topic |
Quemaduras Diagnóstico por imagen Inteligencia artificial Telemedicina Diagnostic imaging Burns Telemedicine Artificial intelligence Redes neuronales convolucionales (RNC) http://id.nlm.nih.gov/mesh/D003952 http://id.nlm.nih.gov/mesh/D002056 http://id.nlm.nih.gov/mesh/D017216 http://id.nlm.nih.gov/mesh/D001185 |
dc.subject.proposal.spa.fl_str_mv |
Redes neuronales convolucionales (RNC) |
dc.subject.meshuri.none.fl_str_mv |
http://id.nlm.nih.gov/mesh/D003952 http://id.nlm.nih.gov/mesh/D002056 http://id.nlm.nih.gov/mesh/D017216 http://id.nlm.nih.gov/mesh/D001185 |
description |
RESUMEN: Introducción: La tecnología de inteligencia artificial y las redes neuronales convolucionales (RNC) son uno de los principales campos de investigación en el desarrollo de herramientas de apoyo en medicina, con potencial aplicación en el diagnóstico de quemaduras. Metodología: Se diseñó un modelo de RNC con una base de datos de 150 fotografías de pacientes hospitalizados en las unidades de quemados del Hospital Universitario San Vicente Fundación. Las fotografías fueron marcadas según grados de profundidad por 3 cirujanos plásticos con experiencia en el manejo de pacientes quemados y editadas en 466 imágenes, de las cuales 400 se clasificaron según el grado de profundidad y se destinaron al entrenamiento del modelo y 66 a la validación del mismo, estas últimas sin división según grado. Resultados: La base de datos incluyó 91 imágenes de segundo grado superficial, 200 imágenes de segundo grado profundo y 175 imágenes de tercer grado. La validación del modelo de RNC mostró una eficiencia del 84.85% para clasificación de quemaduras según profundidad, resultado acorde a la precisión descrita en la literatura para la evaluación clínica realizada por un cirujano plástico. Conclusiones: Es factible el diseño de un prototipo de herramienta de apoyo diagnóstico para la clasificación de quemaduras según profundidad, usando RNC. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2021-07-19T14:33:42Z |
dc.date.available.none.fl_str_mv |
2021-07-19T14:33:42Z |
dc.date.issued.none.fl_str_mv |
2021 |
dc.type.spa.fl_str_mv |
info:eu-repo/semantics/other |
dc.type.hasversion.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/COther |
dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
format |
http://purl.org/coar/resource_type/c_46ec |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10495/20963 |
url |
http://hdl.handle.net/10495/20963 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.spa.fl_str_mv |
info:eu-repo/semantics/embargoedAccess |
dc.rights.accessrights.spa.fl_str_mv |
http://purl.org/coar/access_right/c_f1cf |
dc.rights.creativecommons.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
embargoedAccess |
rights_invalid_str_mv |
http://purl.org/coar/access_right/c_f1cf https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.format.extent.spa.fl_str_mv |
19 |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
institution |
Universidad de Antioquia |
bitstream.url.fl_str_mv |
http://bibliotecadigital.udea.edu.co/bitstream/10495/20963/1/RuizAnna_2021_An%c3%a1lisisDigitalQuemaduras.pdf http://bibliotecadigital.udea.edu.co/bitstream/10495/20963/5/license.txt |
bitstream.checksum.fl_str_mv |
d76450a639366d93099bb34633b06947 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad de Antioquia |
repository.mail.fl_str_mv |
andres.perez@udea.edu.co |
_version_ |
1812173107723501568 |
spelling |
Salinas Rendón, Ana MaríaRuiz Ruales, Anna KatherineArias Florez, Walter2021-07-19T14:33:42Z2021-07-19T14:33:42Z2021http://hdl.handle.net/10495/20963RESUMEN: Introducción: La tecnología de inteligencia artificial y las redes neuronales convolucionales (RNC) son uno de los principales campos de investigación en el desarrollo de herramientas de apoyo en medicina, con potencial aplicación en el diagnóstico de quemaduras. Metodología: Se diseñó un modelo de RNC con una base de datos de 150 fotografías de pacientes hospitalizados en las unidades de quemados del Hospital Universitario San Vicente Fundación. Las fotografías fueron marcadas según grados de profundidad por 3 cirujanos plásticos con experiencia en el manejo de pacientes quemados y editadas en 466 imágenes, de las cuales 400 se clasificaron según el grado de profundidad y se destinaron al entrenamiento del modelo y 66 a la validación del mismo, estas últimas sin división según grado. Resultados: La base de datos incluyó 91 imágenes de segundo grado superficial, 200 imágenes de segundo grado profundo y 175 imágenes de tercer grado. La validación del modelo de RNC mostró una eficiencia del 84.85% para clasificación de quemaduras según profundidad, resultado acorde a la precisión descrita en la literatura para la evaluación clínica realizada por un cirujano plástico. Conclusiones: Es factible el diseño de un prototipo de herramienta de apoyo diagnóstico para la clasificación de quemaduras según profundidad, usando RNC.19application/pdfspainfo:eu-repo/semantics/acceptedVersioninfo:eu-repo/semantics/otherhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherTesis/Trabajo de grado - Monografía - Especializacióninfo:eu-repo/semantics/embargoedAccesshttp://purl.org/coar/access_right/c_f1cfhttps://creativecommons.org/licenses/by-nc-nd/4.0/QuemadurasDiagnóstico por imagenInteligencia artificialTelemedicinaDiagnostic imagingBurnsTelemedicineArtificial intelligenceRedes neuronales convolucionales (RNC)http://id.nlm.nih.gov/mesh/D003952http://id.nlm.nih.gov/mesh/D002056http://id.nlm.nih.gov/mesh/D017216http://id.nlm.nih.gov/mesh/D001185 Diseño de un prototipo de análisis digital de imágenes para estimación de la profundidad de quemadurasMedellín, ColombiaCirujana Plástica, Maxilofacial y de la ManoEspecializaciónFacultad de Medicina. Especialización en Cirugía Plástica, Maxilofacial y de la ManoUniversidad de AntioquiaORIGINALRuizAnna_2021_AnálisisDigitalQuemaduras.pdfRuizAnna_2021_AnálisisDigitalQuemaduras.pdfTesis de grado de especializaciónapplication/pdf220297http://bibliotecadigital.udea.edu.co/bitstream/10495/20963/1/RuizAnna_2021_An%c3%a1lisisDigitalQuemaduras.pdfd76450a639366d93099bb34633b06947MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/20963/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5510495/20963oai:bibliotecadigital.udea.edu.co:10495/209632021-07-19 09:35:16.749Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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 |