Publicación:
Determinación de los grados de malignidad en cáncer de próstata mediante el análisis de escalamiento y el algoritmo de clúster cuántico

dc.contributor.advisorTorres Hoyos, Francisco Joséspa
dc.contributor.authorReyes Bruno, Jesús Antonio
dc.date.accessioned2022-06-10T02:16:33Z
dc.date.available2022-06-10T02:16:33Z
dc.date.issued2022-02-16
dc.description.abstractEl crecimiento tumoral es un proceso complejo, dependiente de la proliferación de las células tumorales en el tejido anfitrión y de la capacidad máxima del tejido. En general un tumor presenta una forma irregular y el estudio de sus propiedades geométricas nos da información del grado de malignidad de estos. La comprensión de este fenómeno es de vital importancia para establecer un diagnóstico y estrategias terapéuticas adecuadas y comienza con una evaluación de su morfología compleja con descriptores adecuados, los tumores en próstata presentan superficies rugosas, en este sentido el análisis de escalamientos, es una herramienta poderosa usada en el estudio de tales superficies, junto con la geometría fractal, elementos que permiten determinar algunas de sus propiedades geométricas. En el presente trabajo se hará un diagnóstico in vivo y en 3D, con imágenes de resonancia magnética, del cáncer de próstata, teniendo en cuenta la dinámica del análisis de escalamiento, la fractabilidad de la geometría presente en cada una de las lesiones en estudiospa
dc.description.abstractTumor growth is a complex process, dependent on the proliferation of tumor cells in the host tissue and the maximum capacity of the tissue. In general, a tumor has an irregular shape and the study of its geometric properties gives us information about the degree of malignancy of these. The understanding of this phenomenon is of vital importance to establish a suitable therapeutic diagnosis and strategies begins with an evaluation of its complex morphology with suitable descriptors. Prostate tumors have rough surfaces. In this sense the scaling analysis, is a powerful tool used in the study of such surfaces, together with fractal geometry, elements that allow to determining some of its their geometric properties. In this present work, a live diagnosis and 3D will be made, with magnetic resonance imaging, prostate cancer, taking into account the dynamics of the scaling analysis, the fractability of the geometry present in each of the lesions in study.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ciencias Físicasspa
dc.description.modalityTrabajos de Investigación y/o Extensiónspa
dc.description.tableofcontentsAgradecimientos ……………………………………………………………………….……………….. Ispa
dc.description.tableofcontentsResumen ………………………......................................................................................... IIspa
dc.description.tableofcontentsAbtrac .................................................................................................................. IIIspa
dc.description.tableofcontentsÍndice de Figuras ………………………………………………………………..………………. VIspa
dc.description.tableofcontentsÍndice de Tablas …………………………………………………………………….. VIIIspa
dc.description.tableofcontents1. Introducción ………….......................................................………………. 1spa
dc.description.tableofcontents2. Antecedentes ………………………………………………………………………….. 2spa
dc.description.tableofcontents3. Justificación …………………………………………………………………………………….. 5spa
dc.description.tableofcontents4. Planteamiento del Problema ……………………………………………………………. 6spa
dc.description.tableofcontents5. Objetivos ..………………………………………………………………………………… 7spa
dc.description.tableofcontents5.1 General ………………………………………………………………………… 7spa
dc.description.tableofcontents5.2 Específicos …………………………………………………………………… 7spa
dc.description.tableofcontents6. Marco Teórico ……………………………………………………. 8spa
dc.description.tableofcontents6.1 La próstata y su anatomía ………………………………………………………………… 8spa
dc.description.tableofcontents6.2 Cáncer de próstata …………………………………………………………………………….. 9spa
dc.description.tableofcontents6.2.1 Estadificación del cáncer de próstata ………………………………….… 10spa
dc.description.tableofcontents6.2.2 Clasificación de riesgo del adenocarcinoma localizado …………. 12spa
dc.description.tableofcontents6.3 Geometría fractal. …………………………………………………………………….. 12spa
dc.description.tableofcontents6.3.1 Dimensión fractal ……………………………………………………….. 13spa
dc.description.tableofcontents6.4 Modelos balístico de deposición …………………………………… 13spa
dc.description.tableofcontents6.5 Análisis de escalamiento ………………………………………………………. 14spa
dc.description.tableofcontents6.6 Imagen digital ………………………………………………………………………… 15spa
dc.description.tableofcontents6.6.1 Procesamiento digital de las imágenes ………………….. 16spa
dc.description.tableofcontents6.6.2 Segmentación de imágenes …………………..……… 16spa
dc.description.tableofcontents6.6.3 Morfología matemática ……………………………………………………. 18spa
dc.description.tableofcontents6.6.4 Erosión ……………………………………......................…………………… 19spa
dc.description.tableofcontents6.6.5 Dilatación ……………………………………………………………….. 20spa
dc.description.tableofcontents6.7 Estimador de Parzen y algoritmo de clúster cuántico ………………. 20spa
dc.description.tableofcontents6.7.1 Función potencial para el estimador de Parzen …………….. 21spa
dc.description.tableofcontents7. Metodología …………………………………………………………………. 23spa
dc.description.tableofcontents8. Materiales y métodos ………………………………………………………. 24spa
dc.description.tableofcontents8.1 Selección y procesamiento de la imágenes ……………… 24spa
dc.description.tableofcontents8.2 Reconstrucción en 3D de la lesión tumoral ……………………………. 25spa
dc.description.tableofcontents8.3 Cálculo del ancho de la interfaz del tumor – huésped …………………. 26spa
dc.description.tableofcontents8.4 Cálculo de la dimensión fractal del tumor – huésped …………………………. 28spa
dc.description.tableofcontents8.6 Validación del método ……………………………………………………….. 28spa
dc.description.tableofcontents9. Resultados y discusión ……………………………………………………………. 31spa
dc.description.tableofcontents10. Conclusiones ………………………………………………………… 34spa
dc.description.tableofcontents11. Bibliografía ………………………………………………………………………………. 35spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositorio.unicordoba.edu.co/handle/ucordoba/5198
dc.language.isospaspa
dc.publisherUniversidad de Córdoba
dc.publisher.facultyFacultad de Ciencias Básicasspa
dc.publisher.placeMontería, Córdoba, Colombiaspa
dc.publisher.programMaestría en Ciencias Físicasspa
dc.rightsCopyright Universidad de Córdoba, 2022spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.keywordsScaling analysiseng
dc.subject.keywordsFractal geometryeng
dc.subject.proposalAnálisis de escalamientospa
dc.subject.proposalGeometría fractalspa
dc.titleDeterminación de los grados de malignidad en cáncer de próstata mediante el análisis de escalamiento y el algoritmo de clúster cuánticospa
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
dc.type.versioninfo:eu-repo/semantics/submittedVersionspa
dcterms.references[1] T. Noreña, E. Romero. 2013. Comprensión de imágenes médicas. Biomédica, 33: 137-51.spa
dcterms.references[2] Consenso basado en evidencia. Indicadores de gestión de riego en pacientes con cáncer de próstata en Colombia. 2017. Disponible en: www.cuentadealtocosto.orgspa
dcterms.references[3] Cáncer de próstata una guía ESMO para pacientes. 2018. Copyright. Disponible en: www.esmo.orgspa
dcterms.references[4] https://seom.org/informacion-sobre-el-cancer/que-es-el-cancer-y-como-se-desarrollaspa
dcterms.references[5] A. Brú, S. Albertos, J.M López, and I. Brú. 2004. Physical Review Letters, 92(238101).spa
dcterms.references[6] A. Brú, J. Pastor, I. Brú, S. Melle, and C. Berenguer. 1998. Super-Rough Dynamics on Tumor Growth. Physical Review Letters, 81: 4008–4011.spa
dcterms.references[7] Kristin R. Swanson, Lawrence D. True, Daniel W. Lin, Kent R. Buhler, Robert Vessella, and James D. Murray. 2001. A Quantitative Model for the Dynamics of Serum Prostate-Specific Antigen as a Marker for Cancerous Growth. American Journal of Patbology, 158: 2195–2199.spa
dcterms.references[8] A. Bru., S. Albertos, J. Subiza, J. Garcia Asenjo, and I. Bru. 2003. The Universal Dynamics of tumor growth. Biophysical Journal, 85: 2948–296.spa
dcterms.references[9] Miguel Martín Landrove y Damián Pereira. 2008. Propiedades Fractales y Exponentes Críticos en Tumores. Ciencia, 16: 203–207.spa
dcterms.references[10] Silvia A. Menchon. 2007. Un Modelado De Las Diversas Etapas Del Crecimiento Del Cáncer y De Algunas Terapias Antitumorales, Universidad Nacional De Córdoba.spa
dcterms.references[11] R. López, A. Ayache, N. Makni, P. Puech, A. Villers, S. Mordon, N. Betrouni. 2010. Prostate cáncer characterization on MR images using fractal features. Medical Physics, Vol. 38, No 1.spa
dcterms.references[12] Miguel Martín Landrove y Francisco Torres Hoyos. 2013. Geometría Del Crecimiento De Lesiones Tumorales en Cerebro. Revista de la Facultad de Ingeniería U.C.V., 28: 79-88.spa
dcterms.references[13] J. Garcia, A. Canejero, C. Hurtado, E. Rebenaque, D. Parada, E. Serrano and J. Abreu De Con. 2014. Utilidad de la biopsia guiada cognitivamente por resonancia magnética multiparamétrica para diagnosticar la lesión dominante del cáncer de próstata. Radiología, 57: 428–433.spa
dcterms.references[14] Carlos Alberto Rodríguez y Héctor Fernando Cancino. 2016. Segmentación de Imágenes de Resonancia Magnetica Adquiridas Mediante Secuencias IVIM para Identificar Tejido Sano de Tejido Canceroso en Prostata (Tesis de Maestría). Universidad Distrital Francisco José de Caldas.spa
dcterms.references[15] J. Rodríguez, M. Sánchez, F. Barrios, Y. Soracipa. 2017. Euclidian and fractal geometry applied to the diagnosis of lesions from cervical cells. Revista U.D.C.A Actualidad & Divulgación Científica 20 (1): 13 – 21.spa
dcterms.references[16] N. Gholizadeha, P. Greerb, J. Simpsonb, J. Denhamb, Peter Laud, J. Dowlingf, H. Hondermarckg, S. Ramadana. 2019. Characterization of prostate cancer using diffusion tensor imaging: A new perspective. European Journal of Radiology, 110: 112–120.spa
dcterms.references[17] F. Torres, M. Landrove, R. Baena, J. Vergara, J. Causil. 2019. Study of cervical cancer through fractals and a method of clustering based on quantum mechanics. Applied radiation and isotopes, 150: 182-191.spa
dcterms.references[18] N. Ramírez, L. Aparicio, C. Pérez. 2020. Measurement on MRI for prostate cancer diagnosis, Visión Electrónica, Vol. 14, No. 2, pp. 196-206.spa
dcterms.references[19] Francisco Torres Hoyos. 2011. Estudio in vivo de la dinámica del crecimiento tumoral cerebral mediante el análisis de escalamiento. Tesis Doctoral. Universidad Simón Bolívar.spa
dcterms.references[20] Alfredo Polo Rubio. 2007. Modelos clínico-dosimétricos predictivos del control bioquímico del cáncer de próstata órgano-confinado tratado mediante implantes radiactivos permanentes. Universidad de Barcelona.spa
dcterms.references[21] M. Pow-Sang, V. Destefano, J. Astigueta, Octavio Castillo, J. Gaona, F. Santaella y R. Sotelo. 2009. Cáncer de próstata en Latinoamérica. Actas Urol Esp, 33.spa
dcterms.references[22] American Cancer Society. Prostate Cancer Stages [En línea]. 2016. Disponible en: https://www.cancer.org/cancer/prostate-cancer/detectiondiagnosis-staging/staging.htmlspa
dcterms.references[23] Boletín de información técnica especializada de la Cuenta de Alto Costo. 2018. Vol. 4, N° 10. Bogotá DC.spa
dcterms.references[24] S. Das Sarma, S.V. Ghaisas, and J. M. Kim. 1994. Kinetic Super-Roughening and Anomalous Dynamic Scaling in Nonequilibrium Growth Models. Phys. Rev. E, 49: 122spa
dcterms.references[25] Cancer de próstata. Una guía práctica. Asociación española contra el cáncer. 2004. Disponible en: www.aecc.esspa
dcterms.references[26] https://www.fairview.org/patient-education/87096spa
dcterms.references[27] Nuevos horizontes en el diagnostico del cáncer de próstata. Sociedad española de radiología médica. Disponible en: www.seram.esspa
dcterms.references[28] Cáncer de próstata. B. Orosco. Centro de urología avanzada. Disponible en: https://www.academia.edu/5103217/CA_DE_PROSTATA_MONOspa
dcterms.references[29] https://www.cancer.org/es/cancer/cancer-de-prostata/acerca/que-es-cancer-deprostata.htmlspa
dcterms.references[30] https://resonanciafac.blogspot.com/2019/05/rmn-de-la-prostata.htmlspa
dcterms.references[31] H. García, J. Zapata, and A. Sánchez. 2018. Una mirada global y actualizada del cáncer de próstata. Revista de la facultad de medicina. Vol. 66 No. 3: 429-37.spa
dcterms.references[32] https://es.slideshare.net/EmmanuelOrtega/fractales-y-anlisis-fractal consultada 16-08-2019spa
dcterms.references[33] A.L. Barabasi and H.E. Stanley, Fractal Concepts in Surface Growth, Cambridge University Press, Cambridge, England, 1995.spa
dcterms.references[34] M. Mandelbrot. Fractal Geometry of Nature. Freeman, San Francisco, 1982.spa
dcterms.references[35] Yépez. B, César. A. 2012. Evaluación del análisis multifractal de datos sísmicos para la caracterización de yacimientos. Tesis. Universidad central de Venezuela. Caracas.spa
dcterms.references[36] Rixy Johana Plata Villamizar. 2015. Extracción de los parámetros de crecimiento tumoral mediante un modelo de proliferación-invasión. Tesis. Universidad Central de Venezuela.spa
dcterms.references[37] A. Alfaro, I. Sipirán. Diseño de un algoritmo de segmentación de imágenes aplicando el funcional de Mumford-Shah para mejorar el desempeño de los algoritmos clásicos de segmentación. Tesis. Universidad Nacional de Trujillo.spa
dcterms.references[38] http://voxelart.blogspot.com/ consultada 16-08-2019.spa
dcterms.references[39] Procesamiento de imágenes. Nicolas Aguirre Dobernack. [en línea]. Disponible en: http://bibing.us.es/proyectos/abreproy/12112/fichero/Documento_por_capitulos%252F3_Ca p%C3%ADtulo_3.pdfspa
dcterms.references[40] E. Neri, D. Caramella, C. Bartolozzi. (2007). “Image Processing In Radiology: Current Applications”. Springer. Recomendaciones Capítulo 5: Conclusiones Y Recomendaciones. Sección 5.2.spa
dcterms.references[41] Procesamiento digital de imágenes. Francisco Javier Ortiz Zamora. [en línea]. Disponible en: https://rua.ua.es/dspace/bitstream/10045/10053/5/Ortiz-Zamora-Francisco-Gabriel_4.pdfspa
dcterms.references[42] Procesamiento digital de imágenes. Capitulo 2. [en línea] Disponible en: http://catarina.udlap.mx/u_dl_a/tales/documentos/mel/gonzalez_g_ra/capitulo2.pdfspa
dcterms.references[43] M. Landrove, F. Torres, A. Rueda. 2019. Complexity of brain tumor. Physica A, 537: 122696spa
dcterms.references[44] Demirkaya O, Asyali M H y Sahoo P K 2008 Procesamiento de imágenes con MATLAB: aplicaciones en medicina y biología (CRC Press)spa
dcterms.references[45] R. Sedivy and W. Klin. Wochenschr, 108:547, 1996.spa
dcterms.references[46] Ben-Avraham D y Havlin S 2000 Difusión y reacciones en fractales y sistemas desordenados (Cambridge university press)spa
dcterms.references[47] Feder J 1988 Fractales (Boston, MA: Springer US)spa
dcterms.references[48] Lozano A 2013 Tuning the brain Scientis 27 33–7spa
dcterms.references[49] Vicsek T 1990 Multifractals de masa Phys. A Stat. Mech. su Appl. 168 90–7spa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
Archivos
Bloque original
Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
reyesbrunojesús.pdf
Tamaño:
2.3 MB
Formato:
Adobe Portable Document Format
Descripción:
No hay miniatura disponible
Nombre:
AutorizaciónPublicación Tesis.pdf
Tamaño:
873.34 KB
Formato:
Adobe Portable Document Format
Descripción:
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Colecciones