Look-up in Google Scholar
Full metadata record
Alfaro Casas, Luis Alberto
Castro Gutierrez, Eveling Gloria
2022-03-03T15:54:08Z
2022-03-03T15:54:08Z
2021
http://hdl.handle.net/20.500.12773/13852
Los trastornos osteoarticulares aquejan a personas de todas las regiones del mundo sin distinción, ejemplos de ellas son: la osteoporosis y atrosis. La OMS determina la existencia de un incremento de casos en sociedades socioeconómicas más bajas y la Unión Europea establece una estrategia enfocada a entregar salud personalizada en el momento correcto, y brindar una alternativa de prevención oportuna y especifica denominada (PerMed). En este contexto nuestro país necesita aplicar la Medicina Personalizada para diagnosticar a tiempo enfermedades con alta incidencia. La presente investigación busca alinearse a los objetivos de la Medicina Personalizada proporcionando un modelo de sistema de soporte a la diagnosis de trastornos osteoarticulares de miembros inferiores utilizando procesamiento de imágenes de rayos X, teniendo presente la confidencialidad y protección de los datos. El pre-procesamiento de las imágenes de rayos X, permitió eliminar los desafíos de estas imágenes, y posibilito la generación de un gold-standard que sirvió como guía para la segmentación-registro de las estructuras óseas de miembros inferiores. Se utilizaron los modelos estadísticos como: SSM - Statistical Shape Model, SAM – Statistical Appeareance Model, ASM - Active Shape Model y Gradient Profiling en el refinamiento de la etapa de segmentación-registro como parte del entrenamiento y prueba. Estos modelos han sido validados con artículos de investigación presentados en el Capítulo IV con resultados de precisión en la segmentación entre el 74 % y 83 % y para la clasificación de las estructuras óseas dependiendo del objetivo a resolver sea: a) detectar fracturas en el acetábulo, o b) detectar osteoporosis en el fémur proximal, los resultados obtuvieron una precisión de: 73% y 87% respectivamente; y por ultimo para lograr el objetivo de: c) medir la distancia articular, se obtiene un error promedio equivalente a 2.4 px, este es un error aceptable para respaldar el diagnostico de desgaste articular de cadera llamado "osteoartritis de cadera". Asimismo, hubo una mejora significativa en el tiempo de procesamiento comparado con la literatura analizada. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
Repositorio Institucional - UNSA (es_PE)
Visión Computacional (es_PE)
Machine Learning (es_PE)
Procesamiento de imágenes médicas (es_PE)
Aprendizaje Supervisado (es_PE)
Modelos Estadísticos (es_PE)
Imagen de Rayos X (es_PE)
Trastornos Osteoarticulares (es_PE)
Modelo de sistema de soporte a la diagnosis de trastornos osteoarticulares de miembros inferiores utilizando procesamiento de imágenes de rayos X (es_PE)
info:eu-repo/semantics/doctoralThesis (es_PE)
Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Producción y Servicios (es_PE)
Doctorado en Ciencias de la Computación (es_PE)
Doctora en Ciencias de la Computación (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#1.02.01 (es_PE)
http://purl.org/pe-repo/renati/level#doctor (es_PE)
29223587
https://orcid.org/0000-0002-0733-3129 (es_PE)
29695284
611028 (es_PE)
Cuno Parari, Alvaro Ernesto
Mamani Aliaga, Alvaro Henry
Alfaro Casas, Luis Alberto
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons