Inteligencia artificial aplicada a la radiómica en patología pulmonar
Aquesta tesi presenta els resultats de dos estudis en què es desenvolupen models de diagnòstic basats en la radiòmica, una tècnica d'anàlisi d'imatges mèdiques quantitativa i d'alt rendiment impulsada per la intel·ligència artificial, principalment l'aprenentatge profund (Deep Le...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2024 |
| País: | España |
| Recursos: | CBUC, CESCA |
| Repositorio: | TDR. Tesis Doctorales en Red |
| OAI Identifier: | oai:www.tdx.cat:10803/692819 |
| Acesso em linha: | http://hdl.handle.net/10803/692819 |
| Access Level: | acceso abierto |
| Palavra-chave: | Radiòmica Radiomics Radiomica Ciències de la Salut 61 |
| Resumo: | Aquesta tesi presenta els resultats de dos estudis en què es desenvolupen models de diagnòstic basats en la radiòmica, una tècnica d'anàlisi d'imatges mèdiques quantitativa i d'alt rendiment impulsada per la intel·ligència artificial, principalment l'aprenentatge profund (Deep Learning), per optimitzar el diagnòstic per imatge de l'embòlia pulmonar (EP) i dels nòduls pulmonars. El primer estudi demostra un model radiòmic intel·ligent capaç de fer un diagnòstic localitzat de diferents patrons d'imatge (EP, pneumònia i pulmó sa) en pacients amb i sense COVID-19 mitjançant SPECT-CT/Q. El segon estudi presenta un model integratiu que combina un model radiòmic profund amb un model de dades clíniques per predir la malignitat en nòduls pulmonars detectats incidentalment o en cribratge. Ambdós models experimentals han demostrat un bon rendiment diagnòstic en el grup de pacients analitzat, i han estat capaços de respondre als problemes proposats. L'ús de noves tecnologies, com les presentades en aquesta tesi, ens acosta a un diagnòstic per imatge avançat que es pot aplicar potencialment a la pràctica clínica diària en benefici dels pacients i la pràctica mèdica. |
|---|