Predicción de lesiones neoplásicas intestinales empleando características visuales en colonoscopias
dc.contributor.advisor | Martínez Carrillo, Fabio | |
dc.contributor.author | Sierra Jerez, Franklin Samuel | |
dc.date.accessioned | 2024-03-04T00:45:42Z | |
dc.date.available | 2020 | |
dc.date.available | 2024-03-04T00:45:42Z | |
dc.date.created | 2020 | |
dc.date.issued | 2020 | |
dc.description.abstract | Los 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.abstractenglish | Polyps, 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.degreelevel | Pregrado | |
dc.description.degreename | Ingeniero de Sistemas | |
dc.format.mimetype | application/pdf | |
dc.identifier.instname | Universidad Industrial de Santander | |
dc.identifier.reponame | Universidad Industrial de Santander | |
dc.identifier.repourl | https://noesis.uis.edu.co | |
dc.identifier.uri | https://noesis.uis.edu.co/handle/20.500.14071/40406 | |
dc.language.iso | spa | |
dc.publisher | Universidad Industrial de Santander | |
dc.publisher.faculty | Facultad de Ingenierías Fisicomecánicas | |
dc.publisher.program | Ingeniería de Sistemas | |
dc.publisher.school | Escuela de Ingeniería de Sistemas e Informática | |
dc.rights | http://creativecommons.org/licenses/by/4.0/ | |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0 | |
dc.subject | Aprendizaje Profundo | |
dc.subject | Adenoma | |
dc.subject | Hiperplásico | |
dc.subject | Serrado | |
dc.subject | Nbi. | |
dc.subject.keyword | Deep Learning | |
dc.subject.keyword | Adenoma | |
dc.subject.keyword | Hyperplastic | |
dc.subject.keyword | Serrated | |
dc.subject.keyword | Nbi. | |
dc.title | Predicción de lesiones neoplásicas intestinales empleando características visuales en colonoscopias | |
dc.title.english | Classification of neoplasic intestinal lesions using visual features in colonoscopy videos | |
dc.type.coar | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
dc.type.hasversion | http://purl.org/coar/resource_type/c_7a1f | |
dc.type.local | Tesis/Trabajo de grado - Monografía - Pregrado |
Files
Original bundle
1 - 3 of 3
No Thumbnail Available
- Name:
- Carta de autorización.pdf
- Size:
- 51.83 KB
- Format:
- Adobe Portable Document Format
No Thumbnail Available
- Name:
- Nota de proyecto.pdf
- Size:
- 142.16 KB
- Format:
- Adobe Portable Document Format