Diseño y desarrollo de sistemas automáticos de clasificación de tumores melanocíticos spitzoides.
[ES] El cáncer de piel representa el grupo más común de neoplasias malignas en la población blanca. De hecho, en la actualidad, uno de cada tres cánceres diagnosticados es cáncer de piel. Aunque dos de los cánceres cutáneos más comúnmente diagnosticados son el carcinoma de células basales y el de cé...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/159881 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/159881 |
| Access Level: | acceso abierto |
| Palabra clave: | Neoplasias melanocíticas spitzoides Metilación del ADN Imágenes histopalógicas Reducción de la dimensionalidad Deep clustering Redes neuronales convolucionales Autoencoder Prototypical learning Neoplàsies melanocíticas spitzoides Metilació de l’ADN Imatges histopalògiques Reducció de la dimensionalitat Xarxes neuronals convolucionals Melanocytic spitzoid neoplasms DNA methylation Histopathological imaging Dimensionality reduction Convolutional neural networks TEORIA DE LA SEÑAL Y COMUNICACIONES Máster Universitario en Ingeniería Biomédica-Màster Universitari en Enginyeria Biomèdica |
| Sumario: | [ES] El cáncer de piel representa el grupo más común de neoplasias malignas en la población blanca. De hecho, en la actualidad, uno de cada tres cánceres diagnosticados es cáncer de piel. Aunque dos de los cánceres cutáneos más comúnmente diagnosticados son el carcinoma de células basales y el de células escamosas, sin duda, el cáncer de piel más agresivo y peligroso es el melanoma. El melanoma cutáneo es una neoplasia agresiva, con un elevado riesgo metastásico y una extrema complejidad genética y biológica. En la mayoría de tumores melanocíticos, es posible una distinción patológica precisa entre benigno (nevus melanocítico) y maligno (melanoma). Sin embargo, existen neoplasias melanocíticas de difícil diagnóstico clínico debido a que poseen características morfológicas ambiguas. Un ejemplo de ello son los llamados ¿tumores spitzoides¿. Las neoplasias melanocíticas spitzoides son lesiones cutáneas poco frecuentes que constituyen problemas de diagnóstico para los dermotopatólogos. Estos tumores destacan por la proliferación de grandes melanocitos epitelioides o fusocelulares con grandes núcleos de cromatina vesicular y nucléolo prominente. La discrepancia entre su aspecto morfológico, histopatológico y su evolución supone un desafío en el diagnóstico. Esta discrepancia ha servido de estímulo para la realización de estudios moleculares que permitan comprender la biología y el comportamiento de las lesiones spitzoides. Entre estos estudios destaca la metilación del DNA, ya que es una marca distintiva en las lesiones melanocíticas y puede ser clave para su desarrollo y progresión metastásica, convirtiéndose en un marcador diagnóstico, pronóstico y terapéutico. En el presente Trabajo Fin de Master (TFM) se pretende abordar el desarrollo de algoritmos automáticos de clasificación basados en deep learning con los que poder identificar las neoplasitas melanocíticas spitzoides benignas y malignas y realizar el pronóstico de aquellas con potencial maligno incierto, utilizando para ello los datos de metilación del ADN y sus imágenes histopatológicas correspondientes. Para llevar a cabo la clasificación en base a los datos de metilación del DNA, se emplearán algoritmos de reducción de la dimensionalidad, así como técnicas de clasificación supervisadas y no supervisadas. Por otro lado, las imágenes histopatológicas serán analizadas con redes neuronales convolucionales y se combinarán con los datos de metilación para el desarrollo de algoritmos de clasificación de lesiones melanocíticas. |
|---|