CLASIFICACIÓN DE LA MALIGNIDAD DE LOS NÓDULOS PULMONARES DESDE REPRESENTACIONES GEOMÉTRICAS PROFUNDAS

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.authorLeal Casanova, Santiago
dc.contributor.evaluatorNuñez de Villavicencio Martinez, Luis Alberto
dc.contributor.evaluatorGamboa Sarmiento, Sonia Cristina
dc.date.accessioned2025-05-16T16:23:24Z
dc.date.available2025-05-16T16:23:24Z
dc.date.created2025-05-11
dc.date.issued2025-05-11
dc.description.abstractEl cáncer de pulmón (CP) es el cáncer con mayor mortalidad. Los nódulos pulmonares (NP) son los principales biomarcadores del cáncer pulmonar, siendo masas anormales de entre 3 y 30 mm, categorizadas según observaciones radiológicas de expertos. Sin embargo, este análisis es subjetivo, por lo que existen métodos computacionales para brindar un soporte a la clasificación de los NP. Estos métodos principalmente se centran en la codificación local del nódulo, acotada a la región de observación, perdiendo características contextuales, relevantes en la clínica para dar un mayor soporte. En este contexto de investigación, durante la modalidad de “Cursos en Programas de Maestría”. Teniendo en cuenta el aporte de las asignaturas y la consolidación de la investigación, en este trabajo se desarrollo un modelo basado en transformers que integra observaciones a escala local de nódulos 3D y contexto a escala pulmonar para mejorar la clasificación de malignidad. El contexto pulmonar se codifica a partir de un codificador de transformer estándar, proporcionando un vector de con información contextual robusta. Paralelamente, un codificador de atención multicabeza especializado captura la información local a escala del nódulo para mejorar la clasificación del nódulo, que posteriormente se integra con la información contextual. El método propuesto se validó en el conjunto de datos LIDC-IDRI, logrando un 96,44% y un 95,53% de AUC y recall respectivamente, superando a los métodos más avanzados.
dc.description.abstractenglishLung cancer (PC) is the cancer with the highest mortality. Lung nodules (PN) are the main biomarkers of lung cancer, being abnormal masses between 3 and 30 mm, categorized according to expert radiological observations. However, this analysis is subjective, so computational methods exist to support the classification of PNs. These methods mainly focus on the local coding of the nodule, limited to the region of observation, losing contextual features, relevant in the clinic to provide further support. In this research context, during the modality of “Courses in Master Programs”. Taking into account the contribution of the courses and the consolidation of the research, this work developed a transformer-based model that integrates local-scale observations of 3D nodules and lung-scale context to improve the classification of malignancy. The lung context is encoded from a standard transformer encoder, providing a vector of robust contextual information. In parallel, a specialized multi-head attention encoder captures local nodule-scale information to improve nodule classification, which is then integrated with the contextual information. The proposed method was validated on the LIDC-IDRI dataset, with 96.44% and 95.53% AUC and recall respectively.
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/20.500.14071/45495
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-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectCáncer de pulmón
dc.subjectNódulos pulmonares
dc.subjectInformación contextual
dc.subjectAprendizaje multiescala
dc.subject.keywordLung cancer
dc.subject.keywordLung nodules
dc.subject.keywordContextual information
dc.subject.keywordMultiscale learning
dc.titleCLASIFICACIÓN DE LA MALIGNIDAD DE LOS NÓDULOS PULMONARES DESDE REPRESENTACIONES GEOMÉTRICAS PROFUNDAS
dc.title.englishCLASSIFICATION OF MALIGNANCY IN PULMONARY NODULES USING DEEP GEOMETRIC REPRESENTATIONS
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:
Nota de proyecto.pdf
Size:
172.14 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.73 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
109.44 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