Modelo de clasificación de nódulos tiroides a través de imágenes de centellografía utilizando tecnologías de Machine Learning

Autores/as

  • Bladimir Rodolfo Calcina Choque Postgrado en Informática, Universidad Mayor de San Andrés

Palabras clave:

machine learning, redes neuronales convolucionales, matriz de confusión, centellografía, tiroides, nódulos fríos

Resumen

La tiroides es una glándula endocrina en forma de mariposa, que produce hormonas que ayudan al cuerpo a controlar el metabolismo. Existen varias enfermedades como el hipertiroidismo, hipotiroidismo, nódulos tiroideos, estos últimos se pueden clasificar utilizando imágenes de centellografía. El análisis médico a través de imágenes tiene un rol importante en muchos de los procedimientos para el diagnóstico de enfermedades.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Bladimir Rodolfo Calcina Choque, Postgrado en Informática, Universidad Mayor de San Andrés

Licenciado en Informática.
Cumple actividad laboral como desarrollador de software en el sector gubernamental y privado. Su interés investigativo es sobre nuevas tecnologías. Email: bladimir.calcina@gmail.com.

Citas

L. F. M. Barragán, Guía de Aplicaciones Clínicas de Medicina Nuclear, La Paz - Bolivia, 2004.

H. Ziessman, J. O'Malley and J. Thrall, Medicina Nuclear - Los Requisitos, Elsevier Mosby, 2007.

Asociación Española de Cáncer, "Impacto Social de las enfermedades tiroideas en España," 2014. [Online]. Available: https://www.aecat.net/wp-content/uploads/2014/07/Analisis-Impacto-Social-de-las-Enfermedades-Tiroideas-.pdf.

La voz de Galicia, "Bocio afecta la población y habitantes de zonas montañosas" 2014. [Online]. A: https://www.lavozdegalicia.es/noticia /lugo/lugo/2014/09/03/bocio-afecta-128-poblacion-30-habitantes-zonas-montanosas-deficit-yodo/00031409768617772166240.htm.

Los Tiempos, "Preguntas sobre la tiroides," 27 marzo 2017. [Online]. Available: http://www.lostiempos.com/oh/tendencias/20170327/10-preguntas-tiroides.

M. C. Chambi, Sistema experto para el diagnóstico de cáncer tiroideo basados en redes neuronales, La Paz - Bolivia, 2014.

C. Franco, F. Pardo, R. Laborda and C. Pérez, "Aplicación de la técnica de árboles de clasificación y regresión en la valoración ecográfica de los nódulos tiroideos," Revista Argentina de Radiología, p. 11, 2017.

R. Fernández, C. C. Fernández y P.L. Baptista, "Metodología de la Investigación", México DF: McGraw Hill, 2014.

P. Poudel, A. Illanes, D. Sheet and M. Friebe, "Evaluation of commonly used algorithms for thyroid ultrasound images segmentation and improvement using Machine Learning approaches," Journal of Healthcare Engineering, p. 13, 2018.

J. J. Romero, C. Dafonte, Á. Gómez and F. Penousal, Inteligencia Artificial y Computación Avanzada, Santiago de Compostela, 2007.

F. Contreras, "Introducción a Machine Learning," 2016. [Online]. Available: https://www.zemsania.com/recursos-zemsania/whitepapers/DTS/Machine_learning.pdf.

J. G. Luna, "Medium," 8 febrero 2018. [Online]. Available: https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico-6413e3c615e2.

D. Matich, "Redes neuronales: Conceptos básicos y aplicaciones" p.55, 2001

P. Recuero, "Machine Learning a tu alcance: La matriz de confusión" 23 enero 2018. [Online]. Available: https://data-speaks.luca-d3.com/2018/01/ML-a-tu-alcance-matriz-confusion.html.

P. Roman, "Introducción a Machine Learning", 6 febrero 2019. [Online]. Available: https://medium.com/datos-y-ciencia/introduccion-al-machine-learning-una-gu%C3%ADa-desde-cero-b696a2ead359.

Descargas

Publicado

2021-11-30

Cómo citar

Calcina Choque, B. R. (2021). Modelo de clasificación de nódulos tiroides a través de imágenes de centellografía utilizando tecnologías de Machine Learning. INF-FCPN-PGI Revista PGI, (8), 26–30. Recuperado a partir de https://ojs.umsa.bo/ojs/index.php/inf_fcpn_pgi/article/view/41

Número

Sección

Artículos