Deep learning algorithms for the classification of gastric atrophy based on endoscopic videos
| dc.catalogador | gjm | |
| dc.contributor.advisor | Mery Quiroz, Domingo | |
| dc.contributor.author | Tramon Hidalgo, Javier Omar | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2023-10-25T14:26:21Z | |
| dc.date.available | 2023-10-25T14:26:21Z | |
| dc.date.issued | 2023 | |
| dc.description | Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2023. | |
| dc.description.abstract | El cáncer gástrico es de los cánceres más letales en Chile, siendo el primer país a nivel latinoamericano en tasa de mortalidad. La endoscopia es el examen fundamental para su detección, pero tiene diversas complicaciones que limitan llegar a la mayor cantidad de pacientes posibles, como la poca disponibilidad de tiempo, el limitado numero de expertos, y el alto costo de este procedimiento. Este trabajo busca reducir esta brecha, utilizando deep learning como herramienta para ayudar al diagnostico durante el examen o posterior a este. Con videos endoscópicos realizados bajo el protocolo Sidney, médicos del departamento de gastroenterología UC etiquetaron estos con los resultados obtenidos en biopsia, además de otros metadatos, como edad, sexo, etc., para entrenar modelos que logren detectar el sector estomacal (importante para la aplicación del protocolo), además de otros modelos que logren predecir el nivel de atrofia gástrica (condición estrechamente relacionada al cáncer gástrico). Se lograron modelos de clasificación de sector estomacal con una precisión superior a 96.00%, modelos de clasificación de atrofia con precisión de hasta 76.88% y sensibilidades del hasta 81.25%, que al combinar los mejores en un gran modelo compuesto logran una precisión superior a 90.00% y sensibilidad sobre 90.00% al clasificar pacientes en base al video de su endoscopia. Entre las principales contribuciones de este trabajo se encuentra la base de datos pública de imágenes y videos endoscópicos, además de modelos de aprendizaje profundo que clasifican imágenes por sector estomacal y nivel de atrofia en imágenes de cuerpo, antro y ángulo, y finalmente, lograr un modelo compuesto por estos para clasificar pacientes con base en su video endoscópico en tiempo real. Con esto se logran los objetivos de la tesis, dejando la puerta abierta a futuras aplicaciones clínicas del modelo compuesto para análisis durante el examen endoscópico, además de expandir las clasificaciones y detecciones del mismo. | |
| dc.fechaingreso.objetodigital | 2023-10-25 | |
| dc.format.extent | xi, 48 páginas | |
| dc.fuente.origen | SRIA | |
| dc.identifier.doi | 10.7764/tesisUC/ING/75176 | |
| dc.identifier.uri | http://doi.org/10.7764/tesisUC/ING/75176 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/75176 | |
| dc.information.autoruc | Escuela de Ingeniería; Mery Quiroz, Domingo; 0000-0003-4748-3882; 102382 | |
| dc.information.autoruc | Escuela de Ingeniería; Tramon Hidalgo, Javier Omar; S/I; 1025711 | |
| dc.language.iso | en | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject | Endoscopía | |
| dc.subject | Atrofia gástrica | |
| dc.subject | Visión por computador | |
| dc.subject | Aprendizaje profundo | |
| dc.subject | Protocolo Sidney | |
| dc.subject.ddc | 620 | |
| dc.subject.dewey | Ingeniería | es_ES |
| dc.subject.ods | 03 Good health and well-being | |
| dc.subject.odspa | 03 Salud y bienestar | |
| dc.title | Deep learning algorithms for the classification of gastric atrophy based on endoscopic videos | |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 102382 | |
| sipa.codpersvinculados | 1025711 |