Ingeniería Electrónica
Permanent URI for this collection
Browse
Browsing Ingeniería Electrónica by browse.metadata.evaluator "Arguello Fuentes, Henry"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item ANÁLISIS COMPUTARIZADO DE MRI PARA EL DIAGNÓSTICO DEL AUTISMO(Universidad Industrial de Santander, 2022-09-12) Cancino Rey, William Andrés; Pertuz Arroyo, Said David; Arguello Fuentes, Henry; Ramírez Silva, Ana BeatrizEl diagnóstico actual del trastorno del espectro autista es desafiante debido a los complejos síntomas de la enfermedad. Básicamente, este proceso se basa en observaciones puramente conductuales, las cuales lo convierten en un método altamente subjetivo. Además, la presencia de comorbilidades psiquiátricas puede disfrazar o alterar algunos de los síntomas, complicando así la detección del trastorno. Para abordar el problema en cuestión, en este estudio proponemos un enfoque dirigido al diagnóstico automático del autismo que se basa en Multilevel Discrete Wavelet Decomposition (MDWD) y Máquinas de Soporte Vectorial (SVM). En primer lugar, utilizamos imágenes de resonancia magnética funcional en estado de reposo (rs-fMRI) del conjunto de datos Autism Brain Imaging Data Exchange I, ya que permiten el estudio de posibles anomalías en la conectividad funcional del cerebro asociadas al autismo. Luego, a partir de estas imágenes, extraemos series temporales de regiones de interés definidas por un atlas cerebral. A continuación, aplicamos MDWD a las series temporales y las subseries resultantes se utilizan para la construcción de matrices de conectividad funcional. Finalmente, los vectores de características que se obtienen de estas matrices sirven de entrada al clasificador SVM. El método propuesto se evalúa en 175 secuencias de rs-fMRI. Los resultados muestran que el uso de MDWD en el análisis de las señales proporciona una mejora significativa en el rendimiento del clasificador. Nuestro mejor modelo alcanza una exactitud, precisión y área bajo la curva de 72.5%, 81.3% y 0.788, respectivamente.Item Impact of image and feature harmonization on the computerized analysis of mammograms(Universidad Industrial de Santander, 2024-02-17) Guerrero Peña, Juan Sebastian; Suárez Gil, Rafael Santiago; Pertuz Arroyo, Said David; Hernández Durán, Angie Nicole; Arguello Fuentes, Henry; Urrea Vecino, Sergio AndrésUno de los principales desafíos que enfrentan los algoritmos de análisis de imágenes médicas es la reducida capacidad de generalización debido a las diferencias entre los conjuntos de datos utilizados para el desarrollo y los utilizados para pruebas externas. En el análisis automatizado de mamografías para la investigación del cáncer de seno, este problema se ha abordado mediante la incorporación de técnicas de armonización de preprocesamiento de imágenes o posprocesamiento de características. Esta investigación tiene como objetivo evaluar el impacto de las técnicas de armonización en el rendimiento de los algoritmos de aprendizaje automático para la evaluación del riesgo de cáncer de seno. Realizamos un estudio retrospectivo de casos y controles sobre 147 mamografías adquiridas con sistemas mamográficos de dos proveedores diferentes y consideramos el impacto de las técnicas de armonización en tres entornos experimentales diferentes: 1) Intra-proveedor, cuando tanto las imágenes de entrenamiento como las de prueba se capturan con sistemas del mismo proveedor 2) Inter-proveedor, cuando las imágenes de entrenamiento y prueba se capturan con sistemas de diferentes proveedores y 3) Proveedor mixto, cuando el entrenamiento y las pruebas incluyen imágenes de ambos proveedores. Nuestros resultados muestran que el preprocesamiento de imágenes puede tener un impacto perjudicial en el rendimiento en entornos intra-proveedor; el uso conjunto del preprocesamiento de imágenes y el posprocesamiento de características es beneficioso en entornos inter-proveedor; y el entorno de proveedor mixto no parece verse afectado significativamente por la armonización.Item SISTEMA PARA LA SEGMENTACIÓN Y CLASIFICACIÓN DEL TEJIDO DENSO EN IMÁGENES MAMOGRÁFICAS USANDO APRENDIZAJE AUTOMÁTICO(Universidad Industrial de Santander, 2023-11-07) Bravo Bravo, Maria Angelica; Cabeza Gutiérrez, Natalia Johana; Pertuz Arroyo, Said David; Africano Ardila, Gerson Fernando; Arguello Fuentes, Henry; Ramírez Silva, Ana BeatrizLa densidad mamaria es uno de los factores de riesgo más importantes para estimar el cáncer de seno. Una mayor densidad indica una mayor probabilidad de desarrollar esta enfermedad y además, hace que sea más propenso que un radiólogo pase por alto lesiones pequeñas. Actualmente, existen técnicas basadas en aprendizaje automático y aprendizaje profundo para estimar la densidad mamaria. Sin embargo, la mayoría de estas técnicas se encuentran en etapa de desarrollo, lo que dificulta su uso por no expertos en el área de análisis computacional de imágenes. El objetivo de este trabajo es integrar desarrollos recientes encontrados en el estado del arte a través de una interfaz de software independiente que pueda ser usada por médicos para la segmentación y estimación de la densidad mamaria en imágenes de mamografía digital de campo completo. La interfaz de software se diseñó usando Qt Designer para aspectos gráficos y el lenguaje de programación Python, específicamente su módulo PyQt5, para el manejo de estas herramientas. Se realizó un estudio en lectores no expertos con cuarenta participantes para evaluar el desempeño de la interfaz de software diseñada. El análisis cuantitativo de los resultados de segmentación obtenido por los usuarios con las segmentaciones manuales hechas por lectores expertos obtuvo PD-errors entre 7.5% y 10.1%. Además, se evaluaron aspectos cualitativos de la interfaz, tales como disposición, eficiencia y satisfacción del usuario, concluyendo que el software desarrollado es considerado intuitivo, fácil de usar, completo y se desempeña de acuerdo a las expectativas del usuario. Con este trabajo, se pretende servir de base para una futura validación clínica de biomarcadores basados en densidad para la evaluación del riesgo de cáncer de seno.