Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma

Esta investigación adoptó un enfoque cuantitativo de carácter descriptivo experimental, en el cual se utilizó una metodología centrada en la recopilación y análisis de datos numéricos e imágenes para describir detalladamente las variables de interés. Este método se distingue por su énfasis en la med...

Full description

Autores:
Acevedo, Karen Andrea
Arrieta Sánchez, Mario
Gómez Vallejo, Catalina
Tipo de recurso:
Masters Thesis
Fecha de publicación:
2024
Institución:
Pontificia Universidad Javeriana Cali
Repositorio:
Vitela
Idioma:
spa
OAI Identifier:
oai:vitela.javerianacali.edu.co:11522/2084
Acceso en línea:
https://vitela.javerianacali.edu.co/handle/11522/2084
Palabra clave:
Leishmaniasis
Desenlace terapéutico
Redes Neuronales
Rights
License
https://creativecommons.org/licenses/by-nc-nd/4.0/
id Vitela2_e5f4d9d9119c786b5f1c4e7f1e053a31
oai_identifier_str oai:vitela.javerianacali.edu.co:11522/2084
network_acronym_str Vitela2
network_name_str Vitela
repository_id_str
dc.title.spa.fl_str_mv Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
title Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
spellingShingle Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
Leishmaniasis
Desenlace terapéutico
Redes Neuronales
title_short Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
title_full Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
title_fullStr Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
title_full_unstemmed Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
title_sort Predicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptoma
dc.creator.fl_str_mv Acevedo, Karen Andrea
Arrieta Sánchez, Mario
Gómez Vallejo, Catalina
dc.contributor.advisor.none.fl_str_mv Linares, Diego
Gómez, María Adelaida
dc.contributor.author.none.fl_str_mv Acevedo, Karen Andrea
Arrieta Sánchez, Mario
Gómez Vallejo, Catalina
dc.subject.none.fl_str_mv Leishmaniasis
Desenlace terapéutico
Redes Neuronales
topic Leishmaniasis
Desenlace terapéutico
Redes Neuronales
description Esta investigación adoptó un enfoque cuantitativo de carácter descriptivo experimental, en el cual se utilizó una metodología centrada en la recopilación y análisis de datos numéricos e imágenes para describir detalladamente las variables de interés. Este método se distingue por su énfasis en la medición objetiva de las variables mediante un diseño experimental a partir del conjunto de datos disponible. El proyecto se desarrolló utilizando fotografías de lesiones y datos de información transcriptómica de un grupo de pacientes que previamente habían sido tratados por el CIDEIM con el propósito de evaluar la eficacia del tratamiento para la leishmaniasis. Este enfoque incorporó herramientas de aprendizaje automático donde se requirió la construcción de bases de datos de alta calidad para llevar a cabo el procesamiento la aplicación de las técnicas y su evaluación. Después de la creación de los conjuntos de datos e imágenes, se aplicaron técnicas esenciales en la preparación de datos tanto para los transcriptomas como para las imágenes, con el objetivo de mejorar la calidad y simplificar el análisis. En el caso de los datos de transcriptomas, se comenzó aplicando técnicas de limpieza y reducción de dimensionalidad, como ANOVA, PCA y RFE, que permitieron segmentar y extraer los genes más significativos para cumplir con los objetivos establecidos. Posteriormente, se implementaron modelos de aprendizaje supervisado, tales como SVM, Árboles de Decisión, K vecinos y Bosques Aleatorios. Estos modelos fueron evaluados mediante un conjunto de entrenamiento aplicando validación cruzada, con el propósito de analizar tanto los modelos base como aquellos que resultaron de la estimación de los mejores hiperparámetros, buscando alcanzar un rendimiento óptimo. La evaluación del desempeño de estos modelos se llevó a cabo a través del conjunto de prueba, verificando los resultados frente a pruebas de laboratorio de referencia. Se analizaron diversas métricas, como sensibilidad y especificidad, con el objetivo de evaluar la coherencia entre los métodos, y se evidenció un rendimiento generalmente satisfactorio. No obstante, al emplear los genes seleccionados mediante el método de ANOVA, se destacó una consistencia notable tanto en los modelos base como en los estimados. En este escenario, se logró un promedio de exactitud del 0. 80 y un F1 score de aproximadamente 0.73 para los modelos base. Tras la estimación de los mejores hiperparámetros, se observó un incremento de alrededor del 0.05 en exactitud y un aumento de 0.07 en el F1 score. El conjunto de imágenes, por su parte, fue sometido a técnicas como las redes neuronales, para analizar las características particulares, como texturas, formas, bordes y coloración. Esto posibilitó la detección y clasificación automática de los individuos entre cura o falla (no cura). Para abordar esto, se creó un modelo utilizando un conjunto de entrenamiento aplicando validación cruzada, donde se planteó una red neuronal base a la cual se le realizó una estimación de hiperparámetros para obtener el mejor rendimiento. Posterior se utilizaron las arquitecturas VGG16 y VGG19 junto con la transferencia de aprendizaje de los hiperparámetros definidos de la red base. La evaluación del desempeño de estos modelos se llevó a cabo a través de conjuntos de prueba obteniendo con estas dos arquitecturas VGG16 y VGG19 los resultados óptimos. Un a exactitud promedio de 0. 92 y una función de pedida promedio de 0.17. A partir de los resultados obtenidos, fue posible reconocer y extraer características significativas tanto de los genes como de las imágenes, las cuales sirvieron como indicadores morfológicos de la presencia de leishmaniasis cutánea en el individuo. En última instancia, se realizó la interpretación de los resultados obtenidos para evaluar la viabilidad del proyecto, identificando limitaciones y desafíos, así como posibles cambios y mejoras para futuras investigaciones.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-06-08T22:33:59Z
dc.date.available.none.fl_str_mv 2024-06-08T22:33:59Z
dc.date.issued.none.fl_str_mv 2024
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_bdcc
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Maestría
dc.type.redcol.none.fl_str_mv https://purl.org/redcol/resource_type/TM
format http://purl.org/coar/resource_type/c_bdcc
dc.identifier.uri.none.fl_str_mv https://vitela.javerianacali.edu.co/handle/11522/2084
url https://vitela.javerianacali.edu.co/handle/11522/2084
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.creativecommons.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 60 p.
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Pontificia Universidad Javeriana Cali
publisher.none.fl_str_mv Pontificia Universidad Javeriana Cali
institution Pontificia Universidad Javeriana Cali
bitstream.url.fl_str_mv https://vitela.javerianacali.edu.co/bitstreams/76403484-e689-4822-b604-85638fd56b7c/download
https://vitela.javerianacali.edu.co/bitstreams/e81f9b67-3940-4cf0-934c-95072fc57b64/download
https://vitela.javerianacali.edu.co/bitstreams/4db59a75-e80e-4cb4-9d22-c9fa481b6d0b/download
https://vitela.javerianacali.edu.co/bitstreams/c9cc06fe-829b-4eb1-a830-1a36b55f67c9/download
https://vitela.javerianacali.edu.co/bitstreams/15a4d84f-8bdc-4887-873d-cea08289d818/download
https://vitela.javerianacali.edu.co/bitstreams/51c5aa4e-1b2c-4756-905c-8dbca08a87f3/download
https://vitela.javerianacali.edu.co/bitstreams/80e256e9-4a2e-4120-835c-925ec7396a02/download
bitstream.checksum.fl_str_mv fdb14ffdbb6850429dd03c795d8dba29
f895d571a8b0a1c2b1128f12cd258c99
8a4605be74aa9ea9d79846c1fba20a33
d734b1e45c31a1d62b02d7de7b48228d
e05b13d1f04f3de2d637d8d554b441d8
08e4dcef0b2fb1f23dc0f03b54800be2
33c3d6335e9aca8f7bf53d92ef91ed75
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Vitela
repository.mail.fl_str_mv vitela.mail@javerianacali.edu.co
_version_ 1812095043470622720
spelling Linares, DiegoGómez, María AdelaidaAcevedo, Karen AndreaArrieta Sánchez, MarioGómez Vallejo, Catalina2024-06-08T22:33:59Z2024-06-08T22:33:59Z2024https://vitela.javerianacali.edu.co/handle/11522/2084Esta investigación adoptó un enfoque cuantitativo de carácter descriptivo experimental, en el cual se utilizó una metodología centrada en la recopilación y análisis de datos numéricos e imágenes para describir detalladamente las variables de interés. Este método se distingue por su énfasis en la medición objetiva de las variables mediante un diseño experimental a partir del conjunto de datos disponible. El proyecto se desarrolló utilizando fotografías de lesiones y datos de información transcriptómica de un grupo de pacientes que previamente habían sido tratados por el CIDEIM con el propósito de evaluar la eficacia del tratamiento para la leishmaniasis. Este enfoque incorporó herramientas de aprendizaje automático donde se requirió la construcción de bases de datos de alta calidad para llevar a cabo el procesamiento la aplicación de las técnicas y su evaluación. Después de la creación de los conjuntos de datos e imágenes, se aplicaron técnicas esenciales en la preparación de datos tanto para los transcriptomas como para las imágenes, con el objetivo de mejorar la calidad y simplificar el análisis. En el caso de los datos de transcriptomas, se comenzó aplicando técnicas de limpieza y reducción de dimensionalidad, como ANOVA, PCA y RFE, que permitieron segmentar y extraer los genes más significativos para cumplir con los objetivos establecidos. Posteriormente, se implementaron modelos de aprendizaje supervisado, tales como SVM, Árboles de Decisión, K vecinos y Bosques Aleatorios. Estos modelos fueron evaluados mediante un conjunto de entrenamiento aplicando validación cruzada, con el propósito de analizar tanto los modelos base como aquellos que resultaron de la estimación de los mejores hiperparámetros, buscando alcanzar un rendimiento óptimo. La evaluación del desempeño de estos modelos se llevó a cabo a través del conjunto de prueba, verificando los resultados frente a pruebas de laboratorio de referencia. Se analizaron diversas métricas, como sensibilidad y especificidad, con el objetivo de evaluar la coherencia entre los métodos, y se evidenció un rendimiento generalmente satisfactorio. No obstante, al emplear los genes seleccionados mediante el método de ANOVA, se destacó una consistencia notable tanto en los modelos base como en los estimados. En este escenario, se logró un promedio de exactitud del 0. 80 y un F1 score de aproximadamente 0.73 para los modelos base. Tras la estimación de los mejores hiperparámetros, se observó un incremento de alrededor del 0.05 en exactitud y un aumento de 0.07 en el F1 score. El conjunto de imágenes, por su parte, fue sometido a técnicas como las redes neuronales, para analizar las características particulares, como texturas, formas, bordes y coloración. Esto posibilitó la detección y clasificación automática de los individuos entre cura o falla (no cura). Para abordar esto, se creó un modelo utilizando un conjunto de entrenamiento aplicando validación cruzada, donde se planteó una red neuronal base a la cual se le realizó una estimación de hiperparámetros para obtener el mejor rendimiento. Posterior se utilizaron las arquitecturas VGG16 y VGG19 junto con la transferencia de aprendizaje de los hiperparámetros definidos de la red base. La evaluación del desempeño de estos modelos se llevó a cabo a través de conjuntos de prueba obteniendo con estas dos arquitecturas VGG16 y VGG19 los resultados óptimos. Un a exactitud promedio de 0. 92 y una función de pedida promedio de 0.17. A partir de los resultados obtenidos, fue posible reconocer y extraer características significativas tanto de los genes como de las imágenes, las cuales sirvieron como indicadores morfológicos de la presencia de leishmaniasis cutánea en el individuo. En última instancia, se realizó la interpretación de los resultados obtenidos para evaluar la viabilidad del proyecto, identificando limitaciones y desafíos, así como posibles cambios y mejoras para futuras investigaciones.60 p.application/pdfspaPontificia Universidad Javeriana Calihttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2LeishmaniasisDesenlace terapéuticoRedes NeuronalesPredicción del desenlace terapéutico de leishmaniasis con base en fotografías de lesiones e información del transcriptomahttp://purl.org/coar/resource_type/c_bdccTesis/Trabajo de grado - Monografía - Maestríahttps://purl.org/redcol/resource_type/TMFacultad de Ingeniería y Ciencias. Maestría en Ciencia de DatosPontificia Universidad Javeriana CaliMaestríaORIGINAL1.LICENCIA DE USO - TG.pdf1.LICENCIA DE USO - TG.pdfapplication/pdf234628https://vitela.javerianacali.edu.co/bitstreams/76403484-e689-4822-b604-85638fd56b7c/downloadfdb14ffdbb6850429dd03c795d8dba29MD51Predicción del desenlace terapéutico de leishmaniasis cutánea con base en fotografías de lesiones.pdfPredicción del desenlace terapéutico de leishmaniasis cutánea con base en fotografías de lesiones.pdfapplication/pdf2165806https://vitela.javerianacali.edu.co/bitstreams/e81f9b67-3940-4cf0-934c-95072fc57b64/downloadf895d571a8b0a1c2b1128f12cd258c99MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://vitela.javerianacali.edu.co/bitstreams/4db59a75-e80e-4cb4-9d22-c9fa481b6d0b/download8a4605be74aa9ea9d79846c1fba20a33MD51TEXT1.LICENCIA DE USO - TG.pdf.txt1.LICENCIA DE USO - TG.pdf.txtExtracted texttext/plain5190https://vitela.javerianacali.edu.co/bitstreams/c9cc06fe-829b-4eb1-a830-1a36b55f67c9/downloadd734b1e45c31a1d62b02d7de7b48228dMD511Predicción del desenlace terapéutico de leishmaniasis cutánea con base en fotografías de lesiones.pdf.txtPredicción del desenlace terapéutico de leishmaniasis cutánea con base en fotografías de lesiones.pdf.txtExtracted texttext/plain102918https://vitela.javerianacali.edu.co/bitstreams/15a4d84f-8bdc-4887-873d-cea08289d818/downloade05b13d1f04f3de2d637d8d554b441d8MD513THUMBNAIL1.LICENCIA DE USO - TG.pdf.jpg1.LICENCIA DE USO - TG.pdf.jpgGenerated Thumbnailimage/jpeg5306https://vitela.javerianacali.edu.co/bitstreams/51c5aa4e-1b2c-4756-905c-8dbca08a87f3/download08e4dcef0b2fb1f23dc0f03b54800be2MD512Predicción del desenlace terapéutico de leishmaniasis cutánea con base en fotografías de lesiones.pdf.jpgPredicción del desenlace terapéutico de leishmaniasis cutánea con base en fotografías de lesiones.pdf.jpgGenerated Thumbnailimage/jpeg3488https://vitela.javerianacali.edu.co/bitstreams/80e256e9-4a2e-4120-835c-925ec7396a02/download33c3d6335e9aca8f7bf53d92ef91ed75MD51411522/2084oai:vitela.javerianacali.edu.co:11522/20842024-06-25 05:13:51.151https://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://vitela.javerianacali.edu.coRepositorio Vitelavitela.mail@javerianacali.edu.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