Automated detection of lung cancer with 3D convolutional neural networks

"El cáncer de pulmón es el cáncer más mortal en todo el mundo. Se ha demostrado que la detección temprana mediante tomografía computarizada (TC) puede reducir las muertes causadas por esta enfermedad. Presentamos un marco general para la detección de cáncer de pulmón en imágenes de tomografía c...

Full description

Autores:
Pérez Sarabia, Gustavo Adolfo
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
eng
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/34461
Acceso en línea:
http://hdl.handle.net/1992/34461
Palabra clave:
Pulmones - Cáncer - Prevención y control - Investigaciones
Tomografía computarizada por rayos X - Investigaciones
Tórax - Radiografías - Investigaciones
Enfermedades respiratorias - Diagnóstico por computador - Investigaciones
Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
Ingeniería
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
id UNIANDES2_b3e9067cfbea482b77275af541d129f0
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/34461
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Arbeláez Escalante, Pablo Andrés7b73426f-f63b-413f-b44b-ddfa70416b65400Pérez Sarabia, Gustavo Adolfo31233500Valderrama Manrique, Mario AndrésHernández Hoyos, Marcela2020-06-10T09:07:17Z2020-06-10T09:07:17Z2018http://hdl.handle.net/1992/34461u807719.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/"El cáncer de pulmón es el cáncer más mortal en todo el mundo. Se ha demostrado que la detección temprana mediante tomografía computarizada (TC) puede reducir las muertes causadas por esta enfermedad. Presentamos un marco general para la detección de cáncer de pulmón en imágenes de tomografía computarizada de tórax. Nuestro método consiste en un detector entrenado en la base de datos LIDC-IDRI seguido por un predictor de cáncer entrenado en la base de datos Kaggle DSB 2017 y evaluado en el conjunto de prueba del challenge de predicción de malignidad del nódulo pulmonar ISBI 2018. Nuestro enfoque de extracción de candidatos es eficaz para producir candidatos precisos con una cobertura del 99.6%. Además, la etapa de reducción de falsos positivos logra clasificar con éxito a los candidatos y aumenta la precisión en un factor de 7.000." -- Tomado del Formato de Documento de Grado."Lung cancer is the deadliest cancer worldwide. It has been shown that early detection using computer tomography (CT) scans can reduce deaths caused by this disease. We present a general framework for the detection of lung cancer in chest CT images. Our method consists of a detector trained on the LIDC-IDRI dataset followed by a cancer predictor trained on the Kaggle DSB 2017 dataset and evaluated on the ISBI 2018 Lung Nodule Malignancy Prediction test set. Our candidate extraction approach is effective to produce precise candidates with a recall of 99.6%. In addition, false positive reduction stage manages to successfully classify candidates and increases precision by a factor of 7,000." -- Tomado del Formato de Documento de Grado.Magíster en Ingeniería BiomédicaMaestría8 hojasapplication/pdfengUniandesMaestría en Ingeniería BiomédicaFacultad de IngenieríaDepartamento de Ingeniería Biomédicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaAutomated detection of lung cancer with 3D convolutional neural networksTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMPulmones - Cáncer - Prevención y control - InvestigacionesTomografía computarizada por rayos X - InvestigacionesTórax - Radiografías - InvestigacionesEnfermedades respiratorias - Diagnóstico por computador - InvestigacionesProcesamiento de imágenes - Aplicaciones médicas - InvestigacionesRedes neuronales convolucionales - InvestigacionesIngenieríaPublicationTEXTu807719.pdf.txtu807719.pdf.txtExtracted texttext/plain31059https://repositorio.uniandes.edu.co/bitstreams/d1611623-ac2e-4020-97c2-721fc5f24e8f/downloadd31a6d11f0841c43a80cf6d8c3401eaaMD54ORIGINALu807719.pdfapplication/pdf3877804https://repositorio.uniandes.edu.co/bitstreams/a461a3af-492a-4511-9b9d-816ca1d5b7bd/download6434650f0e30a05ef712c4162d34e5acMD51THUMBNAILu807719.pdf.jpgu807719.pdf.jpgIM Thumbnailimage/jpeg27718https://repositorio.uniandes.edu.co/bitstreams/f0963540-c04f-46cc-8c99-92c38423d2b0/download12c1f4b6ce80d8e7009130c6d2413700MD551992/34461oai:repositorio.uniandes.edu.co:1992/344612023-10-10 15:29:36.483http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.es_CO.fl_str_mv Automated detection of lung cancer with 3D convolutional neural networks
title Automated detection of lung cancer with 3D convolutional neural networks
spellingShingle Automated detection of lung cancer with 3D convolutional neural networks
Pulmones - Cáncer - Prevención y control - Investigaciones
Tomografía computarizada por rayos X - Investigaciones
Tórax - Radiografías - Investigaciones
Enfermedades respiratorias - Diagnóstico por computador - Investigaciones
Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
Ingeniería
title_short Automated detection of lung cancer with 3D convolutional neural networks
title_full Automated detection of lung cancer with 3D convolutional neural networks
title_fullStr Automated detection of lung cancer with 3D convolutional neural networks
title_full_unstemmed Automated detection of lung cancer with 3D convolutional neural networks
title_sort Automated detection of lung cancer with 3D convolutional neural networks
dc.creator.fl_str_mv Pérez Sarabia, Gustavo Adolfo
dc.contributor.advisor.none.fl_str_mv Arbeláez Escalante, Pablo Andrés
dc.contributor.author.none.fl_str_mv Pérez Sarabia, Gustavo Adolfo
dc.contributor.jury.none.fl_str_mv Valderrama Manrique, Mario Andrés
Hernández Hoyos, Marcela
dc.subject.keyword.es_CO.fl_str_mv Pulmones - Cáncer - Prevención y control - Investigaciones
Tomografía computarizada por rayos X - Investigaciones
Tórax - Radiografías - Investigaciones
Enfermedades respiratorias - Diagnóstico por computador - Investigaciones
Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
topic Pulmones - Cáncer - Prevención y control - Investigaciones
Tomografía computarizada por rayos X - Investigaciones
Tórax - Radiografías - Investigaciones
Enfermedades respiratorias - Diagnóstico por computador - Investigaciones
Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description "El cáncer de pulmón es el cáncer más mortal en todo el mundo. Se ha demostrado que la detección temprana mediante tomografía computarizada (TC) puede reducir las muertes causadas por esta enfermedad. Presentamos un marco general para la detección de cáncer de pulmón en imágenes de tomografía computarizada de tórax. Nuestro método consiste en un detector entrenado en la base de datos LIDC-IDRI seguido por un predictor de cáncer entrenado en la base de datos Kaggle DSB 2017 y evaluado en el conjunto de prueba del challenge de predicción de malignidad del nódulo pulmonar ISBI 2018. Nuestro enfoque de extracción de candidatos es eficaz para producir candidatos precisos con una cobertura del 99.6%. Además, la etapa de reducción de falsos positivos logra clasificar con éxito a los candidatos y aumenta la precisión en un factor de 7.000." -- Tomado del Formato de Documento de Grado.
publishDate 2018
dc.date.issued.none.fl_str_mv 2018
dc.date.accessioned.none.fl_str_mv 2020-06-10T09:07:17Z
dc.date.available.none.fl_str_mv 2020-06-10T09:07:17Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/34461
dc.identifier.pdf.none.fl_str_mv u807719.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/34461
identifier_str_mv u807719.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 8 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Maestría en Ingeniería Biomédica
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería Biomédica
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/d1611623-ac2e-4020-97c2-721fc5f24e8f/download
https://repositorio.uniandes.edu.co/bitstreams/a461a3af-492a-4511-9b9d-816ca1d5b7bd/download
https://repositorio.uniandes.edu.co/bitstreams/f0963540-c04f-46cc-8c99-92c38423d2b0/download
bitstream.checksum.fl_str_mv d31a6d11f0841c43a80cf6d8c3401eaa
6434650f0e30a05ef712c4162d34e5ac
12c1f4b6ce80d8e7009130c6d2413700
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133817678299136

Publicaciones similares