Please use this identifier to cite or link to this item:
https://172.23.39.185/handle/1000/281| Herramienta de apoyo para el diagnóstico de cáncer de hueso largo. (Caso de uso) (AlternativeTitle) Support tool for the diagnosis of long bone cancer. (TranslatedTitle) | |
| MIGUEL CONTRERAS-MURILLO Jose luis Gonzalez | |
| Dante Domizzi Sánchez Gallegos - Marco Antonio Núñez Gaona - Heriberto Aguirre Meneses - Garly Daniel González Rosado - Elisa Martínez Coria - Fher Francisco Torres Paz - Nelson Emmanuel Ordóñez Guillén - | |
| Acceso Abierto - openAccess | |
| Atribución-CompartirIgual | |
| https://cinvestav365-my.sharepoint.com/:f:/g/personal/dante_sanchez_cinvestav_mx/Ep-YURzyg6ZBlkAkHGfZm3EB7CGYpBpD-ihpbWUpKNNy9Q?e=B2YKMN - URL | |
| https://datos-repos.conacyt.mx/index.php/s/ZXCPBZ6SK5pst9o - URL - Es una forma variante de | |
| Debido a la alta demanda en especialistas de la salud abocados al diagnóstico de tumores, y que por cada paciente se analizan hasta cientos de imágenes por estudio tomográfico, se tiene la necesidad de un sistema de detección de tumores mediante algoritmos de inteligencia artificial. El presente proyecto no tiene la intención de sustituir al personal capacitado, sino proporcionarle una ayuda indicando las imágenes en las que podría existir algún tumor primario en hueso largo o secundario en pulmones en caso de presentar metástasis, y la región en la que se ubica. Dado que los tumores presentan diferentes características dependiendo de la parte del cuerpo en la que se desarrollen, es necesario generar un modelo diferente para cada uno. Anteriormente, se utilizaron técnicas en las que se buscaban intensidades de las tomografías que pudiesen indicar, por ejemplo, algún tipo de clasificación en algunos órganos, pero en el caso particular de cáncer de hueso, estas técnicas no siempre resultan eficientes, ya que el tumor puede presentar intensidades similares al de un hueso sano. Es por ello por lo que, para este proyecto, se decidió utilizar nuevas técnicas de visión artificial que permiten distinguir diferentes patrones más allá de diferentes intensidades. - Resumen Se entrenaron dos modelos de tipo Faster R-CNN, uno para la identificación de lesiones en hueso, y otro específico para pulmones. Este tipo de modelos tienen la ventaja de permitir la búsqueda de objetos de cualquier tamaño en cualquier zona de la imagen, de una forma rápida y eficiente. - Metodología | |
| CINVESTAV Tamaulipas | |
| 2023 | |
| INTELIGENCIA ARTIFICIAL - 3663 - 120304 | |
| v1 | |
| Software - Herramienta de apoyo para el diagnóstico de cáncer de hueso largo. Modelos entrenados. | |
| Appears in Collections: | Ciencia de datos y salud |
Upload archives
| File | Description | Size | Format | |
|---|---|---|---|---|
| readme.md | 10.14 kB | Unknown | View/Open | |
| Herramienta de apoyo para el diagnóstico de cáncer de hueso largo. (Caso de uso).docx | Ficha técnica. | 18.18 kB | Microsoft Word XML | View/Open |
| training tutorial.mp4 | Video tutorial de instalacion/uso. | 295.15 MB | Unknown | View/Open |