Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral

La investigación tiene como propósito implementar un nuevo método de detección de nódulos pulmonares en imágenes de tomografía computarizada, basado en la técnica de umbralización. Un sistema de detección asistido por computador puede ayudar a los radiólogos a mejorar su agilidad para detectar nódul...

Full description

Autores:
Romero Nieto, Pedro Elías
Tipo de recurso:
Fecha de publicación:
2016
Institución:
Universidad del Magdalena
Repositorio:
Repositorio Unimagdalena
Idioma:
spa
OAI Identifier:
oai:repositorio.unimagdalena.edu.co:123456789/1420
Acceso en línea:
http://repositorio.unimagdalena.edu.co/handle/123456789/1420
Palabra clave:
Tomografía Computarizada
Nódulo Pulmonar
Detección de Nódulos Pulmonares
Umbralización
IS-00146
Rights
restrictedAccess
License
atribucionnocomercialsinderivar
id UNIMAGDALE_f530b9ac37db0450e59c4d90c8c740f4
oai_identifier_str oai:repositorio.unimagdalena.edu.co:123456789/1420
network_acronym_str UNIMAGDALE
network_name_str Repositorio Unimagdalena
repository_id_str
dc.title.spa.fl_str_mv Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
title Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
spellingShingle Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
Tomografía Computarizada
Nódulo Pulmonar
Detección de Nódulos Pulmonares
Umbralización
IS-00146
title_short Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
title_full Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
title_fullStr Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
title_full_unstemmed Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
title_sort Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbral
dc.creator.fl_str_mv Romero Nieto, Pedro Elías
dc.contributor.advisor.none.fl_str_mv Díaz Bolaño, Idanis Beatriz
dc.contributor.author.none.fl_str_mv Romero Nieto, Pedro Elías
dc.subject.spa.fl_str_mv Tomografía Computarizada
Nódulo Pulmonar
Detección de Nódulos Pulmonares
Umbralización
topic Tomografía Computarizada
Nódulo Pulmonar
Detección de Nódulos Pulmonares
Umbralización
IS-00146
dc.subject.classification.spa.fl_str_mv IS-00146
description La investigación tiene como propósito implementar un nuevo método de detección de nódulos pulmonares en imágenes de tomografía computarizada, basado en la técnica de umbralización. Un sistema de detección asistido por computador puede ayudar a los radiólogos a mejorar su agilidad para detectar nódulos pulmonares en etapas tempranas. La detección temprana de nódulos pulmonares es importante para el diagnóstico y manejo clínico del cáncer de pulmón. Las imágenes de tomografía computarizada es la técnica de imagenología más adecuada actualmente para la detección de nódulos pulmonares. Después de segmentarse el volumen pulmonar, los nódulos candidatos son detectados basados en el hecho de poseer niveles de intensidad superior a estructuras propias del parénquima pulmonar, identificando puntos referentes en la curva del histograma que permiten localizar un valor de umbral. La reducción de falsos-positivos se realiza aplicando un filtrado por características geométricas. El rendimiento del método propuesto es evaluado sobre un conjunto de entrenamiento proporcionado por SPIE-AAPM Lung CT Challenge Database y ELCAP Public Lung Image Database. Se cuenta con un total de 35 nódulos distribuidos entre 16 casos, para los cuales se tiene un ground-truth. La reducción de falsos positivos es significativa, filtrando desde 12380 nódulos candidatos en promedio a 19 nódulos detectados. El método muestra una sensibilidad para la detección de nódulos pulmonares de un 88.6%, teniendo un error de 1 nódulo en los casos donde no se alcanza la detección completa.
publishDate 2016
dc.date.issued.none.fl_str_mv 2016
dc.date.submitted.none.fl_str_mv 2016
dc.date.accessioned.none.fl_str_mv 2018-11-22T21:13:32Z
dc.date.available.none.fl_str_mv 2018-11-22T21:13:32Z
dc.type.spa.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.identifier.other.none.fl_str_mv 080290
dc.identifier.uri.none.fl_str_mv http://repositorio.unimagdalena.edu.co/handle/123456789/1420
identifier_str_mv 080290
url http://repositorio.unimagdalena.edu.co/handle/123456789/1420
dc.language.iso.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv atribucionnocomercialsinderivar
dc.rights.none.fl_str_mv Restringido
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_16ec
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/restrictedAccess
dc.rights.cc.spa.fl_str_mv Restringido
dc.rights.creativecommons.spa.fl_str_mv atribucionnocomercialsinderivar
rights_invalid_str_mv atribucionnocomercialsinderivar
Restringido
http://purl.org/coar/access_right/c_16ec
eu_rights_str_mv restrictedAccess
dc.format.spa.fl_str_mv text
dc.publisher.spa.fl_str_mv Universidad del Magdalena
dc.publisher.department.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas
institution Universidad del Magdalena
bitstream.url.fl_str_mv https://repositorio.unimagdalena.edu.co/bitstreams/239c52bc-754a-436e-acde-7c284ead0762/download
https://repositorio.unimagdalena.edu.co/bitstreams/2c9b9a4c-9e8a-4006-813a-285830cbb309/download
https://repositorio.unimagdalena.edu.co/bitstreams/582608d3-6c6d-4e15-9e0a-87eb6290b488/download
https://repositorio.unimagdalena.edu.co/bitstreams/8750d36d-4e84-4f0e-abe9-c32112faf913/download
bitstream.checksum.fl_str_mv 25d632b60f7894d25788a1d9ce089352
b37f3126bcd22eeae85cbc2659ee387b
20a50925887d75ab74c8c02c3115e52a
4f2970f55078d0abc8028f30668d228c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UniMagdalena
repository.mail.fl_str_mv repositorio@unimagdalena.edu.co
_version_ 1814127070982176768
spelling Díaz Bolaño, Idanis BeatrizRomero Nieto, Pedro ElíasIngeniero (a) de Sistemas2018-11-22T21:13:32Z2018-11-22T21:13:32Z20162016La investigación tiene como propósito implementar un nuevo método de detección de nódulos pulmonares en imágenes de tomografía computarizada, basado en la técnica de umbralización. Un sistema de detección asistido por computador puede ayudar a los radiólogos a mejorar su agilidad para detectar nódulos pulmonares en etapas tempranas. La detección temprana de nódulos pulmonares es importante para el diagnóstico y manejo clínico del cáncer de pulmón. Las imágenes de tomografía computarizada es la técnica de imagenología más adecuada actualmente para la detección de nódulos pulmonares. Después de segmentarse el volumen pulmonar, los nódulos candidatos son detectados basados en el hecho de poseer niveles de intensidad superior a estructuras propias del parénquima pulmonar, identificando puntos referentes en la curva del histograma que permiten localizar un valor de umbral. La reducción de falsos-positivos se realiza aplicando un filtrado por características geométricas. El rendimiento del método propuesto es evaluado sobre un conjunto de entrenamiento proporcionado por SPIE-AAPM Lung CT Challenge Database y ELCAP Public Lung Image Database. Se cuenta con un total de 35 nódulos distribuidos entre 16 casos, para los cuales se tiene un ground-truth. La reducción de falsos positivos es significativa, filtrando desde 12380 nódulos candidatos en promedio a 19 nódulos detectados. El método muestra una sensibilidad para la detección de nódulos pulmonares de un 88.6%, teniendo un error de 1 nódulo en los casos donde no se alcanza la detección completa.Submitted by Solano Kellis (kellis9002@gmail.com) on 2018-11-21T14:32:17Z No. of bitstreams: 1 IS-00146.pdf: 1288124 bytes, checksum: 25d632b60f7894d25788a1d9ce089352 (MD5)Approved for entry into archive by mirlis bravo (mbravo@unimagdalena.edu.co) on 2018-11-22T21:13:32Z (GMT) No. of bitstreams: 1 IS-00146.pdf: 1288124 bytes, checksum: 25d632b60f7894d25788a1d9ce089352 (MD5)Made available in DSpace on 2018-11-22T21:13:32Z (GMT). No. of bitstreams: 1 IS-00146.pdf: 1288124 bytes, checksum: 25d632b60f7894d25788a1d9ce089352 (MD5) Previous issue date: 2016text080290http://repositorio.unimagdalena.edu.co/handle/123456789/1420Universidad del MagdalenaFacultad de IngenieríaIngeniería de SistemasatribucionnocomercialsinderivarRestringidoinfo:eu-repo/semantics/restrictedAccessRestringidoatribucionnocomercialsinderivarhttp://purl.org/coar/access_right/c_16ecTomografía ComputarizadaNódulo PulmonarDetección de Nódulos PulmonaresUmbralizaciónIS-00146Evaluación de un algoritmo de segmentación de nódulos pulmonares en imágenes de tomografía computarizada basado en la localización automática de un umbralbachelorThesishttp://purl.org/coar/resource_type/c_7a1fspaORIGINALIS-00146.pdfIS-00146.pdfapplication/pdf1288124https://repositorio.unimagdalena.edu.co/bitstreams/239c52bc-754a-436e-acde-7c284ead0762/download25d632b60f7894d25788a1d9ce089352MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82289https://repositorio.unimagdalena.edu.co/bitstreams/2c9b9a4c-9e8a-4006-813a-285830cbb309/downloadb37f3126bcd22eeae85cbc2659ee387bMD52TEXTIS-00146.pdf.txtIS-00146.pdf.txtExtracted texttext/plain85547https://repositorio.unimagdalena.edu.co/bitstreams/582608d3-6c6d-4e15-9e0a-87eb6290b488/download20a50925887d75ab74c8c02c3115e52aMD53THUMBNAILIS-00146.pdf.jpgIS-00146.pdf.jpgGenerated Thumbnailimage/jpeg1177https://repositorio.unimagdalena.edu.co/bitstreams/8750d36d-4e84-4f0e-abe9-c32112faf913/download4f2970f55078d0abc8028f30668d228cMD54123456789/1420oai:repositorio.unimagdalena.edu.co:123456789/14202024-10-02 21:48:12.778https://repositorio.unimagdalena.edu.coRepositorio Institucional UniMagdalenarepositorio@unimagdalena.edu.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