Marco metodológico para el diagnóstico de Cáncer Melanoma Uveal mediante algoritmos de inteligencia computacional

Entre los cánceres oculares malignos, el melanoma uveal es el más frecuente en los adultos. Dado que los ojos no tienen un sistema linfático, es muy probable que las células tumorales puedan propagarse por el torrente sanguíneo y hacer metástasis en otras partes del cuerpo. Por tanto, la detección t...

Full description

Autores:
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/30760
Acceso en línea:
http://hdl.handle.net/11349/30760
Palabra clave:
Cáncer
Modelos Predictivos
Algoritmos de Inteligencia Computacional
Procesamiento de Imágenes Médicas
Diagnóstico Asistido por Ordenador
Melanoma Uveal
Predicción de Enfermedades
Ingeniería de Sistemas - Tesis y disertaciones académicas
Cáncer - Melanoma Uveal
Algoritmos
Detección de enfermedades
Diagnostico
Cancer
Predictive Models
Computational Intelligence Algorithms
Medical Image Processing
Computer-Aided Diagnosis
Uveal Melanoma
Disease Prediction
Rights
License
Restringido (Solo Referencia)
Description
Summary:Entre los cánceres oculares malignos, el melanoma uveal es el más frecuente en los adultos. Dado que los ojos no tienen un sistema linfático, es muy probable que las células tumorales puedan propagarse por el torrente sanguíneo y hacer metástasis en otras partes del cuerpo. Por tanto, la detección temprana y eficaz del cáncer es esencial para el tratamiento, la calidad y la esperanza de vida de los pacientes con cáncer. Según el Instituto Curie, los avances en este campo no han sido significativos en las últimas décadas, dada la gran variabilidad y complejidad de la enfermedad. Este documento propone una metodología para el diagnóstico y la detección del cáncer de melanoma uveal. Se han generado trece modelos a partir de datos del Centro de Cáncer Ocular de Nueva York y de la Academia de Ciencias de China. Los modelos se basan en técnicas matemáticas y de inteligencia computacional, así como en desarrollos secundarios que incluyen el uso del filtro de Gabor como técnica de aumento de datos y la optimización de algoritmos de segmentación automática del iris. Los resultados han sido avalados por la publicación de ocho artículos científicos en revistas internacionales, algunos de los cuales pertenecen al Q1 y Q2 . Esta es una de las primeras propuestas para el desarrollo de una herramienta de diagnóstico asistido por ordenador para el melanoma uveal.