Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales
Las infecciones respiratorias agudas son una de las principales causas de mortalidad en Bucaramanga. Además, la emergencia sanitaria producida por el virus del covid-19, haencendido las alarmas mundiales de investigación en torno a la detección oportuna y precisa deenfermedades respiratorias agudas,...
- Autores:
-
Gómez Albiadez, Natalia Andrea
- Tipo de recurso:
- http://purl.org/coar/version/c_b1a7d7d4d402bcce
- Fecha de publicación:
- 2021
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/41562
- Palabra clave:
- Clasificación
Neumonía
Redes Neuronales Convolucionales
Procesamiento De Imagen
Transferencia De Aprendizaje.
Classification
Convolutional Neural Networks
Image Processing
Pneumonia
Transfer Learning.
- Rights
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id |
UISANTADR2_e85fccd75105dc5febbee4978a1cb233 |
---|---|
oai_identifier_str |
oai:noesis.uis.edu.co:20.500.14071/41562 |
network_acronym_str |
UISANTADR2 |
network_name_str |
Repositorio UIS |
repository_id_str |
|
dc.title.none.fl_str_mv |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales |
dc.title.english.none.fl_str_mv |
Detection of pneumonia in x-ray images from image processing and neural networks. [] |
title |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales |
spellingShingle |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales Clasificación Neumonía Redes Neuronales Convolucionales Procesamiento De Imagen Transferencia De Aprendizaje. Classification Convolutional Neural Networks Image Processing Pneumonia Transfer Learning. |
title_short |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales |
title_full |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales |
title_fullStr |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales |
title_full_unstemmed |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales |
title_sort |
Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionales |
dc.creator.fl_str_mv |
Gómez Albiadez, Natalia Andrea |
dc.contributor.advisor.none.fl_str_mv |
Sánchez Quiroga, Karen Yaneth Arguello Fuentes, Henry |
dc.contributor.author.none.fl_str_mv |
Gómez Albiadez, Natalia Andrea |
dc.subject.none.fl_str_mv |
Clasificación Neumonía Redes Neuronales Convolucionales Procesamiento De Imagen Transferencia De Aprendizaje. |
topic |
Clasificación Neumonía Redes Neuronales Convolucionales Procesamiento De Imagen Transferencia De Aprendizaje. Classification Convolutional Neural Networks Image Processing Pneumonia Transfer Learning. |
dc.subject.keyword.none.fl_str_mv |
Classification Convolutional Neural Networks Image Processing Pneumonia Transfer Learning. |
description |
Las infecciones respiratorias agudas son una de las principales causas de mortalidad en Bucaramanga. Además, la emergencia sanitaria producida por el virus del covid-19, haencendido las alarmas mundiales de investigación en torno a la detección oportuna y precisa deenfermedades respiratorias agudas, lo cual es determinante para el éxito de sus tratamientos. Específicamente, una de las herramientas más usadas para realizar diagnósticos, planear tratamientos ymonitorear cambios de alguna patología a través del tiempo, es la interpretación de imágenes médicas adquiridas bajo distintas modalidades. Sin embargo, además de la adquisición de las imágenesmédicas se requiere de una consulta con un profesional del área de la salud para su interpretación.Este proceso en países en vía de desarrollo como Colombia suele ser lento y costoso. Adicionalmente, se prevé que la creación de alternativas tecnológicas que faciliten el diagnósticoremoto permitirá acortar las brechas de atención médica de calidad entre zonas rurales y urbanas;y apoyará en términos de tiempo y precisión el trabajo del personal médico vinculado a los centros urbanos de salud. Por otra parte, los avances más recientes del estado de arte posicionan a lainteligencia artificial, y específicamente al aprendizaje profundo mediante redes neuronales convolucionales como una de las técnicas más prometedoras para el diagnóstico asistido por computador.Por tal motivo, se estudió una estrategia automatizada y rápida para la detección de neumonía a través de imágenes de rayos-X de tórax mediante redes neuronales convolucionales. |
publishDate |
2021 |
dc.date.available.none.fl_str_mv |
2021 2024-03-04T01:17:48Z |
dc.date.created.none.fl_str_mv |
2021 |
dc.date.issued.none.fl_str_mv |
2021 |
dc.date.accessioned.none.fl_str_mv |
2024-03-04T01:17:48Z |
dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
dc.type.hasversion.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
format |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
dc.identifier.uri.none.fl_str_mv |
https://noesis.uis.edu.co/handle/20.500.14071/41562 |
dc.identifier.instname.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.reponame.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.repourl.none.fl_str_mv |
https://noesis.uis.edu.co |
url |
https://noesis.uis.edu.co/handle/20.500.14071/41562 https://noesis.uis.edu.co |
identifier_str_mv |
Universidad Industrial de Santander |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.license.none.fl_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0 |
dc.rights.creativecommons.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
rights_invalid_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) http://creativecommons.org/licenses/by/4.0/ http://creativecommons.org/licenses/by-nc/4.0 Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Industrial de Santander |
dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingenierías Fisicomecánicas |
dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas |
dc.publisher.school.none.fl_str_mv |
Escuela de Ingeniería de Sistemas e Informática |
publisher.none.fl_str_mv |
Universidad Industrial de Santander |
institution |
Universidad Industrial de Santander |
bitstream.url.fl_str_mv |
https://noesis.uis.edu.co/bitstreams/8c733b48-0a64-46b1-9f1f-37822db32223/download https://noesis.uis.edu.co/bitstreams/d1a7b2ba-7b1f-43ce-abcc-d96154721508/download https://noesis.uis.edu.co/bitstreams/fb36bfe9-2987-4365-b800-5b68bc6dac9b/download |
bitstream.checksum.fl_str_mv |
0f5db5e9cb4fa429db7719ccb6b3cfc7 06effd5c5807c75505c65282120d3398 a26bbbb8ef141048ed2d8dd76324a5e9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
DSpace at UIS |
repository.mail.fl_str_mv |
noesis@uis.edu.co |
_version_ |
1814095252158414848 |
spelling |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)http://creativecommons.org/licenses/by/4.0/http://creativecommons.org/licenses/by-nc/4.0Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Sánchez Quiroga, Karen YanethArguello Fuentes, HenryGómez Albiadez, Natalia Andrea2024-03-04T01:17:48Z20212024-03-04T01:17:48Z20212021https://noesis.uis.edu.co/handle/20.500.14071/41562Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coLas infecciones respiratorias agudas son una de las principales causas de mortalidad en Bucaramanga. Además, la emergencia sanitaria producida por el virus del covid-19, haencendido las alarmas mundiales de investigación en torno a la detección oportuna y precisa deenfermedades respiratorias agudas, lo cual es determinante para el éxito de sus tratamientos. Específicamente, una de las herramientas más usadas para realizar diagnósticos, planear tratamientos ymonitorear cambios de alguna patología a través del tiempo, es la interpretación de imágenes médicas adquiridas bajo distintas modalidades. Sin embargo, además de la adquisición de las imágenesmédicas se requiere de una consulta con un profesional del área de la salud para su interpretación.Este proceso en países en vía de desarrollo como Colombia suele ser lento y costoso. Adicionalmente, se prevé que la creación de alternativas tecnológicas que faciliten el diagnósticoremoto permitirá acortar las brechas de atención médica de calidad entre zonas rurales y urbanas;y apoyará en términos de tiempo y precisión el trabajo del personal médico vinculado a los centros urbanos de salud. Por otra parte, los avances más recientes del estado de arte posicionan a lainteligencia artificial, y específicamente al aprendizaje profundo mediante redes neuronales convolucionales como una de las técnicas más prometedoras para el diagnóstico asistido por computador.Por tal motivo, se estudió una estrategia automatizada y rápida para la detección de neumonía a través de imágenes de rayos-X de tórax mediante redes neuronales convolucionales.PregradoIngeniero de SistemasAcute respiratory infections are one of the leading causes of mortality in Bucaramanga, Colombia. Besides, the health emergency produced by the covid-19 virus has set off globalresearch alarms around the timely and accurate detection of acute respiratory diseases, which is decisive for the success of their treatments. Specifically, one of the most used tools to perform diagnoses,plan treatments and monitor changes in any pathology over time is the interpretation of medical images acquired under different modalities. However, in addition to the acquisition of medical images, aconsultation with a health professional is required for their interpretation. This process in developingcountries like Colombia is often slow and expensive. Additionally, It Is Expected That The Creation Of Technological Alternatives That Facilitate RemoteDiagnosis Will Make It Possible To Shorten The Gaps In Quality Medical Care Between Rural AndUrban Areas; and it will support in terms of time and precision the work of medical personnel linkedto urban health centers. On the other hand, the most recent advances in the state of the art positionartificial intelligence, and specifically deep learning through convolutional neural networks, as oneof the most promising techniques for computer-assisted diagnosis. For this reason, an automatedand rapid strategy was studied for the detection of pneumonia through chest X-ray images using convolutional neural networks.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingenierías FisicomecánicasIngeniería de SistemasEscuela de Ingeniería de Sistemas e InformáticaClasificaciónNeumoníaRedes Neuronales ConvolucionalesProcesamiento De ImagenTransferencia De Aprendizaje.ClassificationConvolutional Neural NetworksImage ProcessingPneumoniaTransfer Learning.Detección de neumonía en imágenes de rayos-x de tórax a partir de procesamiento de imágenes y redes neuronales convolucionalesDetection of pneumonia in x-ray images from image processing and neural networks. []Tesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf107879https://noesis.uis.edu.co/bitstreams/8c733b48-0a64-46b1-9f1f-37822db32223/download0f5db5e9cb4fa429db7719ccb6b3cfc7MD51Documento.pdfapplication/pdf15691438https://noesis.uis.edu.co/bitstreams/d1a7b2ba-7b1f-43ce-abcc-d96154721508/download06effd5c5807c75505c65282120d3398MD52Nota de proyecto.pdfapplication/pdf290556https://noesis.uis.edu.co/bitstreams/fb36bfe9-2987-4365-b800-5b68bc6dac9b/downloada26bbbb8ef141048ed2d8dd76324a5e9MD5320.500.14071/41562oai:noesis.uis.edu.co:20.500.14071/415622024-03-03 20:17:48.77http://creativecommons.org/licenses/by-nc/4.0http://creativecommons.org/licenses/by/4.0/open.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co |