Dissertation/ Thesis

Aplicación de técnicas estadísticas multivariantes y de aprendizaje automático en el diagnóstico de cáncer de próstata a través de imágenes médicas ; Application of multivariate statistical techniques and machine learning in the diagnosis of prostate cancer through medical imaging ; Aplicació de tècniques estadístiques multivariants i d'aprenentatge automàtic en el diagnòstic de càncer de pròstata a través d'imatges mèdiques

التفاصيل البيبلوغرافية
العنوان: Aplicación de técnicas estadísticas multivariantes y de aprendizaje automático en el diagnóstico de cáncer de próstata a través de imágenes médicas ; Application of multivariate statistical techniques and machine learning in the diagnosis of prostate cancer through medical imaging ; Aplicació de tècniques estadístiques multivariants i d'aprenentatge automàtic en el diagnòstic de càncer de pròstata a través d'imatges mèdiques
المؤلفون: Gironés Sangüesa, Raquel
المساهمون: Carot Sierra, José Miguel, Cerdá Alberich, Leonor, Universitat Politècnica de València. Departamento de Estadística e Investigación Operativa Aplicadas y Calidad - Departament d'Estadística i Investigació Operativa Aplicades i Qualitat, Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica
بيانات النشر: Universitat Politècnica de València
سنة النشر: 2024
المجموعة: Universitat Politécnica de Valencia: RiuNet / Politechnical University of Valencia
مصطلحات موضوعية: Análisis multivariante, Aprendizaje automático, Imagen médica, Cáncer de próstata, Multivariate Analysis, Machine Learning, Medical Imaging, Prostate Cancer, Anàlisi multivariant, Aprenentatge automàtic, Imatge mèdica, Càncer de pròstata, ESTADISTICA E INVESTIGACION OPERATIVA, Grado en Ciencia de Datos-Grau en Ciència de Dades
الوصف: [CA] El càncer de pròstata és una de les principals causes de morbiditat i mortalitat entre la població masculina a nivell mundial. El seu diagnòstic primerenc i precís és crucial per a millorar les taxes de supervivència i la qualitat de vida dels pacients. En este context, les imatges mèdiques juguen un paper fonamental, proporcionant una visió detallada i no invasiva del teixit prostàtic. No obstant això, la interpretació d’estes imatges és complexa i subjecta a variabilitat inter-observador. El present treball se centra en l’aplicació de tècniques estadístiques avançades i algorismes d’aprenentatge automàtic per a la predicció i avaluació del desenvolupament del càncer de pròstata utilitzant imatges mèdiques. La metodologia que s’ha emprat inclou la selecció i preprocessament d’un conjunt de dades d’imatges mèdiques, la integració de diferents fonts de dades (dades clíniques i diferents processaments d’imatges) i l’aplicació de tècniques estadístiques multivariants de reducció de la dimensió i classificació. ; [ES] El cáncer de próstata es una de las principales causas de morbilidad y mortalidad entre la población masculina a nivel mundial. Su diagnóstico temprano y preciso es crucial para mejorar las tasas de supervivencia y la calidad de vida de los pacientes. En este contexto, las imágenes médicas juegan un papel fundamental, proporcionando una visión detallada y no invasiva del tejido prostático. Sin embargo, la interpretación de estas imágenes es compleja y sujeta a variabilidad inter-observador. El presente trabajo se centra en la aplicación de técnicas estadísticas avanzadas y algoritmos de aprendizaje automático para la predicción y evaluación del desarrollo del cáncer de próstata utilizando imágenes médicas. La metodología que se ha empleado incluye la selección y preprocesamiento de un conjunto de datos de imágenes médicas, la integración de distintas fuentes de datos (datos clínicos y distintos procesados de imágenes) y la aplicación de técnicas estadísticas multivariantes de reducción de la ...
نوع الوثيقة: bachelor thesis
اللغة: Spanish; Castilian
Relation: http://hdl.handle.net/10251/203142
الاتاحة: http://hdl.handle.net/10251/203142
Rights: http://creativecommons.org/licenses/by-nc/4.0/ ; info:eu-repo/semantics/openAccess
رقم الانضمام: edsbas.BDEAFBD1
قاعدة البيانات: BASE