Predicción de lesiones neoplásicas intestinales empleando características visuales en colonoscopias

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.authorSierra Jerez, Franklin Samuel
dc.date.accessioned2024-03-04T00:45:42Z
dc.date.available2020
dc.date.available2024-03-04T00:45:42Z
dc.date.created2020
dc.date.issued2020
dc.description.abstractLos pólipos, representados como protuberancias anormales a lo largo del tracto intestinal, son el principal biomarcador para diagnosticar el cáncer gastrointestinal. Durante las colonoscopias rutinarias, estos pólipos se caracterizan en términos generales según los patrones microvasculares y de textura superficial. Recientemente, las secuencias de imágenes de banda cercana NBI han surgido como una técnica complementaria para mejorar la descripción de las superficies de la mucosa sospechosa, siguiendo patrones de los vasos sanguíneos. No obstante, la dependencia en cuanto a la experticia por parte de los expertos durante la evaluación, junto con pólipos que pasan desapercibidos y no son caracterizados, reducen la posibilidad de tratamientos eficaces. Además, los problemas que se plantean durante la colonoscopia, como los movimientos abruptos de la cámara, entre otros, dificultan la tarea de diagnóstico. En este trabajo se presenta una estrategia convolucional robusta a nivel de cuadro con la capacidad de caracterizar y predecir pólipos de tipo: hiperplásicos, adenomas y dentados, sobre secuencias de video NBI. La estrategia propuesta fue evaluada sobre un total de 76 videos logrando una exactitud de 90,79% para distinguir entre estas tres clases. Notablemente, el enfoque logra un 100% de exactitud para diferenciar los pólipos dentados intermedios, cuya evaluación es desafiante incluso para un gastroenterólogo experto. El enfoque también fue favorable para apoyar las decisiones de resección de pólipos, incluso logrando una puntuación perfecta en el conjunto de datos evaluados. En cuanto a la relevancia clínica, el enfoque propuesto apoya la caracterización histológica observable de los pólipos durante una colonoscopia rutinaria, evitando la clasificación errónea de masas potenciales que podrían evolucionar en cáncer.
dc.description.abstractenglishPolyps, represented as abnormal protuberances along intestinal track, are the main biomarker to diagnose gastrointestinal cancer. During colonoscopy routine, such polyps are observed, localized and coarsely characterized according to microvascular and surface textural patterns. Recently, Narrow-band imaging (NBI) sequences have emerged as complementary technique to enhance description of suspicious mucosa surfaces. This sequences have allowed better observe blood vessels patterns. However, reliance on expert expertise during evaluation, along with polyps that go unnoticed and uncharacterized, reduces the possibility of effective treatments for the disease. Additionally, challenges during colonoscopy, such as abrupt camera motions, among others, difficult the diagnosis task. This work introduces a robust frame-level convolutional strategy with the capability to characterize and predict hyperplastic, adenoma and serrated polyps over NBI sequences. The proposed strategy was evaluated over a total of 76 videos achieving an average accuracy of 90,79% to distinguish among these three classes. Remarkably, the approach achieve a 100% of accuracy to differentiate intermediate serrated polyps, whose evaluation is challenging even for expert gastroenterologist. The approach was also favorable to support polyp resection decisions, even achieving perfect score on evaluated dataset. Regarding clinical relevance, the proposed approach supports observable hystological characterization of polyps during a routine colonoscopy, avoiding missclassification of potential masses that could evolve in cancer.
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/20.500.14071/40406
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectAprendizaje Profundo
dc.subjectAdenoma
dc.subjectHiperplásico
dc.subjectSerrado
dc.subjectNbi.
dc.subject.keywordDeep Learning
dc.subject.keywordAdenoma
dc.subject.keywordHyperplastic
dc.subject.keywordSerrated
dc.subject.keywordNbi.
dc.titlePredicción de lesiones neoplásicas intestinales empleando características visuales en colonoscopias
dc.title.englishClassification of neoplasic intestinal lesions using visual features in colonoscopy videos
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
51.83 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
5.4 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
142.16 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería de Sistemas