Plataforma para el despliegue y evaluación de modelos de aprendizaje profundo para la clasificación de imágenes histológicas completas a baja magnificación

Simple item page
dc.contributor.advisorRomo Bucheli, David Edmundo
dc.contributor.authorBayona Quesada, Juan Camilo
dc.contributor.authorFuentes Barragán, Angie Julieth
dc.contributor.evaluatorBautista Rozo, Lola Xiomara
dc.contributor.evaluatorGarzón Villamizar, Gustavo Adolfo
dc.date.accessioned2024-08-29T13:01:15Z
dc.date.available2024-08-29T13:01:15Z
dc.date.created2024-08-28
dc.date.issued2024-08-28
dc.description.abstractLa patología es una rama de la medicina que se enfoca en el estudio de las enfermedades a nivel microscópico, investigando sus causas, desarrollo, mecanismos y efectos en los organismos vivos. Con el apoyo de sistemas computacionales, surge la patología digital, que utiliza entornos digitales para el estudio microscópico de la anatomía, los tejidos y sus enfermedades. La utilización de herramientas computacionales en la patología ofrece ventajas como el almacenamiento virtual de muestras, acceso global a ellas y la capacidad de utilizar diversas herramientas de análisis para el soporte diagnóstico. Esto permite identificar patrones en el tejido asociados a enfermedades como el cáncer, infecciones, trastornos inflamatorios y genéticos. La inspección visual de biopsias es una técnica diagnóstica utilizada para examinar pacientes afectados por el cáncer, la cual ofrece resultados determinantes al permitir la observación directa del tejido a nivel microscópico. Las muestras de biopsias pueden ser digitalizadas completamente a alta magnificación utilizando escáneres, como se hace en países desarrollados, con los que se crean bases de datos abiertas para diferentes tipos de cáncer, como cáncer de próstata, cáncer de mama, cáncer cervical, entre otros. Estas bases de datos contienen miles de imágenes digitalizadas a alta magnificación que facilitan la creación y entrenamiento de modelos de aprendizaje profundo. En Colombia, los patólogos suelen examinar la muestra directamente bajo el microscopio para identificar tejido canceroso. En ocasiones se digitalizan las imágenes individuales del campo microscópico, pero esto se limita exclusivamente a las áreas de interés identificadas por el profesional, lo que puede causar sesgos en caso de requerirse una segunda opinión de otro patólogo que no posea acceso a la muestra completa. A la biopsia le es asignado un puntaje histológico que determina su grado de cáncer y que sigue protocolos específicos establecidos para el estudio de cada tipo de cáncer. El propósito de este proyecto es desplegar modelos de clasificación entrenados en imágenes histológicas completas y evaluar estrategias para adaptar esos modelos a imágenes histológicas de baja magnificación que se puedan digitalizar fácilmente a través de un microscopio óptico, mejorando así el soporte de la decisión del grado de cáncer de la muestra en países en vías de desarrollo.
dc.description.abstractenglishPathology is a branch of medicine focused on studying diseases at the microscopic level, investigating their causes, development, mechanisms, and effects on living organisms. With the support of computational systems, digital pathology has emerged, using digital environments for the microscopic study of anatomy, tissues, and their diseases. The use of computational tools in pathology offers advantages such as virtual storage of samples, global access to them, and the ability to use various analysis tools for diagnostic support. This allows for the identification of patterns in tissue associated with diseases such as cancer, infections, inflammatory disorders, and genetic conditions. Visual inspection of biopsies is a diagnostic technique used to examine patients affected by cancer, offering decisive results by allowing direct observation of tissue at the microscopic level. Biopsy samples can be fully digitized at high magnification using scanners, as done in developed countries, creating open databases for different types of cancer, such as prostate cancer [1], breast cancer [7], cervical cancer [8], among others. These databases contain thousands of high-magnification digitized images that facilitate the creation and training of deep learning models. In Colombia, pathologists typically examine the sample directly under the microscope to identify cancerous tissue. Occasionally, individual images of the microscopic field are digitized, but this is limited exclusively to areas of interest identified by the professional, which can introduce biases if a second opinion is required from another pathologist who does not have access to the complete sample. The biopsy is assigned a histological score that determines its cancer grade and follows specific protocols established for the study of each type of cancer. The purpose of this project is to deploy classification models trained on whole histological images and evaluate strategies to adapt these models to low-magnification histological images that can be easily digitized through an optical microscope, thereby improving the decision support for the cancer grade of the sample in developing countries.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/43965
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-SinDerivadas 2.5 Colombia (CC BY-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.titlePlataforma para el despliegue y evaluación de modelos de aprendizaje profundo para la clasificación de imágenes histológicas completas a baja magnificación
dc.title.englishPlatform for the Deployment and Evaluation of Deep Learning Models for the Classification of Whole Histological Images at Low Magnification
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
15.85 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
106.89 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
180.48 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas