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...
- 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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 |