Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals

Bosch Garcia, Meritxell

Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals

La ventriculomegalia (VMG) és una malaltia rara que afecta entre 0,3 i 22 de cada 1000 embarassos. D'aquests, entre el 25 i el 60% són casos aïllats, és a dir, que no tenen una altra patologia associada. L'evolució de l'afectació i l'efecte sobre el neurodesenvolupament no és pre...

Descripción completa

Detalles Bibliográficos
Autor:	Bosch Garcia, Meritxell
Tipo de recurso:	tesis de maestría
Fecha de publicación:	2021
País:	España
Institución:	Universitat Oberta de Catalunya (UOC)
Repositorio:	O2, repositorio institucional de la UOC
OAI Identifier:	oai:openaccess.uoc.edu:10609/134366
Acceso en línea:	https://hdl.handle.net/10609/134366
Access Level:	acceso abierto
Palabra clave:	ventriculomegalia aprenentatge automàtic mineria de dades medicina fetal detecció aprendizaje automático minería de datos detección ventriculomegaly machine learning data mining detection fetal medicine Newborn infants -- TFM Infants nadons -- TFM Niños bebés -- TFM

id	ES_128c8f99a7bf77c4e7ec0a5efed374ac
oai_identifier_str	oai:openaccess.uoc.edu:10609/134366
network_acronym_str	ES
network_name_str	España
repository_id_str
spelling	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natalsBosch Garcia, Meritxellventriculomegaliaaprenentatge automàticmineria de dadesmedicina fetaldeteccióventriculomegaliamedicina fetalaprendizaje automáticominería de datosdetecciónventriculomegalymachine learningdata miningdetectionfetal medicineNewborn infants -- TFMInfants nadons -- TFMNiños bebés -- TFMLa ventriculomegalia (VMG) és una malaltia rara que afecta entre 0,3 i 22 de cada 1000 embarassos. D'aquests, entre el 25 i el 60% són casos aïllats, és a dir, que no tenen una altra patologia associada. L'evolució de l'afectació i l'efecte sobre el neurodesenvolupament no és previsible. La detecció de la VMG s'efectua a través de la mesura de dos únics paràmetres: la mida de l'Atrium Esquerre i de l'Atrium Dret. L'objectiu és usar una base de dades de 81 participants (41 d'ells afectats i 40 no afectats) per a millorar la caracterització de l'afectació i de la prognosi i per a fer una detecció precoç per poder predir els efectes post-natals en base a les dades pre-natals disponibles. La reduïda mida de la base de dades ha suposat un repte que ha impedit trobar noves caracteritzacions de l'afectació tot i que s'ha detectat certa correlació entre la VMG i altres dos paràmetres: la Banya Anterior Esquerra i la Banya Anterior Dreta. S'ha aconseguit entrenar un model de classificació binari amb una valor de F1 al voltant del 90%. S'ha aconseguit amb xarxes neuronals o amb una cascada de xarxes neuronals amb els models d'aprenentatge supervisat més potents. Es conclou que un nombre reduït de dades inclús desbalancejat permet oferir models amb suficients prestacions però que un major coneixement del context podria millorar els resultats.Ventriculomegaly (VMG) is a rare disease that affects between 0.3 and 22 out of every 1000 pregnancies. 25-60% of these are isolated cases, which means that it has no other associated pathology. The evolution of the disease and the effect on neurodevelopment is not predictable. The detection of VMG is done through the measurement of only two parameters: the size of the Left Atrium and the Right Atrium. The aim is to use a database of 81 participants (41 affected and 40 unaffected) to improve characterisation of the condition and the prognosis and to provide an early detection to predict postnatal effects based on the available prenatal data. The small size of the database has been a challenge to find new characterisations of the disease, although some correlation has been detected between VMG and two other parameters: the Left Anterior Horn and the Right Anterior Horn. A binary classification model has been trained with a value of F1 of about 90%. This has been achieved applying neural networks or by cascading neural networks with the most powerful supervised learning models. The conclusion is that a small number of even unbalanced data allows to provide models with sufficient performance but more knowledge on the context might improve the results.Universitat Oberta de Catalunya (UOC)Prados Carrasco, FerranBonet-Carne, ElisendaBurgos-Artizzu, Xavier Paolo202120212021info:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttps://hdl.handle.net/10609/134366reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)CatalánCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/1343662026-05-28T12:42:01Z
dc.title.none.fl_str_mv	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals
title	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals
spellingShingle	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals Bosch Garcia, Meritxell ventriculomegalia aprenentatge automàtic mineria de dades medicina fetal detecció ventriculomegalia medicina fetal aprendizaje automático minería de datos detección ventriculomegaly machine learning data mining detection fetal medicine Newborn infants -- TFM Infants nadons -- TFM Niños bebés -- TFM
title_short	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals
title_full	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals
title_fullStr	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals
title_full_unstemmed	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals
title_sort	Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals
dc.creator.none.fl_str_mv	Bosch Garcia, Meritxell
author	Bosch Garcia, Meritxell
author_facet	Bosch Garcia, Meritxell
author_role	author
dc.contributor.none.fl_str_mv	Prados Carrasco, Ferran Bonet-Carne, Elisenda Burgos-Artizzu, Xavier Paolo
dc.subject.none.fl_str_mv	ventriculomegalia aprenentatge automàtic mineria de dades medicina fetal detecció ventriculomegalia medicina fetal aprendizaje automático minería de datos detección ventriculomegaly machine learning data mining detection fetal medicine Newborn infants -- TFM Infants nadons -- TFM Niños bebés -- TFM
topic	ventriculomegalia aprenentatge automàtic mineria de dades medicina fetal detecció ventriculomegalia medicina fetal aprendizaje automático minería de datos detección ventriculomegaly machine learning data mining detection fetal medicine Newborn infants -- TFM Infants nadons -- TFM Niños bebés -- TFM
description	La ventriculomegalia (VMG) és una malaltia rara que afecta entre 0,3 i 22 de cada 1000 embarassos. D'aquests, entre el 25 i el 60% són casos aïllats, és a dir, que no tenen una altra patologia associada. L'evolució de l'afectació i l'efecte sobre el neurodesenvolupament no és previsible. La detecció de la VMG s'efectua a través de la mesura de dos únics paràmetres: la mida de l'Atrium Esquerre i de l'Atrium Dret. L'objectiu és usar una base de dades de 81 participants (41 d'ells afectats i 40 no afectats) per a millorar la caracterització de l'afectació i de la prognosi i per a fer una detecció precoç per poder predir els efectes post-natals en base a les dades pre-natals disponibles. La reduïda mida de la base de dades ha suposat un repte que ha impedit trobar noves caracteritzacions de l'afectació tot i que s'ha detectat certa correlació entre la VMG i altres dos paràmetres: la Banya Anterior Esquerra i la Banya Anterior Dreta. S'ha aconseguit entrenar un model de classificació binari amb una valor de F1 al voltant del 90%. S'ha aconseguit amb xarxes neuronals o amb una cascada de xarxes neuronals amb els models d'aprenentatge supervisat més potents. Es conclou que un nombre reduït de dades inclús desbalancejat permet oferir models amb suficients prestacions però que un major coneixement del context podria millorar els resultats.
publishDate	2021
dc.date.none.fl_str_mv	2021 2021 2021
dc.type.none.fl_str_mv	info:eu-repo/semantics/masterThesis
format	masterThesis
dc.identifier.none.fl_str_mv	https://hdl.handle.net/10609/134366
url	https://hdl.handle.net/10609/134366
dc.language.none.fl_str_mv	Catalán
language_invalid_str_mv	Catalán
dc.rights.none.fl_str_mv	CC BY-NC-ND http://creativecommons.org/licenses/by-nc-nd/3.0/es/ info:eu-repo/semantics/openAccess
rights_invalid_str_mv	CC BY-NC-ND http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv	openAccess
dc.format.none.fl_str_mv	application/pdf application/pdf
dc.publisher.none.fl_str_mv	Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv	Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv	reponame:O2, repositorio institucional de la UOC instname:Universitat Oberta de Catalunya (UOC)
instname_str	Universitat Oberta de Catalunya (UOC)
reponame_str	O2, repositorio institucional de la UOC
collection	O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_	1869403624786886656
score	15.300724

Caracterització i detecció precoç de la ventriculomegalia aïllada a partir de dades pre i post-natals

Similares en LA Referencia