Publicación:
Uso de los métodos de segmentación c-means, k-means y geometría fractal en el estudio in vivo del cáncer de pulmón

Vista sencilla de ítem
dc.contributor.authorRivero Borja, Mario Andresspa
dc.contributor.authorEscobar Martinez, Jose Eduardospa
dc.coverage.spatialMontería, Córdobaspa
dc.date.accessioned2020-07-09T14:14:56Zspa
dc.date.available2020-07-09T14:14:56Zspa
dc.date.issued2020-07-04spa
dc.description.abstractSegún la organización mundial de la salud el cáncer es la segunda causa de muerte en el mundo, siendo el cáncer de pulmón uno de los de mayor interés, debido a que en Colombia según el instituto nacional de cancerología es la segunda causa de muerte, reportándose en el 2013 alrededor de 10.7 fallecidos por cada 100.000 habitante entre hombres y mujeres, tendencia que todavía se mantiene vigente. De esta manera, buscar soluciones a dicha enfermedad, ha abarcado múltiples y diversos campos de investigación, en ese sentido, en aras de comprender y caracterizar la dinámica del crecimiento tumoral en pulmón, en este trabajo se usan modelos matemáticos fundamentados en el análisis de escalamiento y la geometría fractal. Para este estudio se tomaron imágenes tomográficas (CT) de 15 pacientes con cáncer de pulmón de células no pequeñas (CPCNP), las cuales fueron adquiridas de la base de datos The Cancer Imaging (TCIA), que contempla el uso del protocolo estándar de radioterapia, esto es, cortes axiales, que comprenden el volumen de la lesión para el registro de imágenes. Las imágenes fueron segmentadas mediante el método K – medias, para el cual elaboró su respetivo código bajo el lenguaje de programación Matlab, con este proceso se pretende determinar todas las partes de la lesión en estudio, dando así inicio al procesamiento de las imágenes para la respectiva estadificación de las lesiones. En este sentido se calculó la dimensión fractal (dF) en la superficie del tumor huésped mediante el método de box counting o conteo por cajas, lo que permite extraer la información geométrica de la misma, dado que es uno de los parámetros involucrados en el proceso de determinar la dinámica del crecimiento tumoral, así mismo se calculó el exponente crítico de rugosidad local αloc usando un algoritmo escrito en el lenguaje de programación de Matlab. Este parámetro da cuenta de la rugosidad de la interfaz del tumor huésped, elemento fundamental en el proceso de estadificación de la lesión. Los resultados obtenidos muestran variaciones significativas de acuerdo al estadío y al origen histológico de la lesión, lo que se corresponde de forma satisfactoria con los reportados en la literatura.spa
dc.description.degreelevelPregradospa
dc.description.degreenameFísico(a)spa
dc.description.tableofcontentsResumen................................................................................. 1spa
dc.description.tableofcontentsOBJETIVO................................................................................ 3spa
dc.description.tableofcontentsOBJETIVOS ESPECÍFICOS .................................................... 3spa
dc.description.tableofcontentsIntroducción............................................................................ 4spa
dc.description.tableofcontentsCapítulo I ............................................................................... 7spa
dc.description.tableofcontents1.1 Neoplasias malignas y benignas en pulmón ........................................................................ 7spa
dc.description.tableofcontents1.2 Tumores. Generalidades ............................. 8spa
dc.description.tableofcontents1.3 Anatomía de los pulmones ...................................... 10spa
dc.description.tableofcontents1.4 Epidemiología Factores de riesgo ............................. 12spa
dc.description.tableofcontents1.5 Diagnóstico .............................................................. 14spa
dc.description.tableofcontents1.6 Clasificación del cáncer pulmonar .............................. 19spa
dc.description.tableofcontents1.7 Lesiones preinvasivas ................................................ 22spa
dc.description.tableofcontents1.8 Concepto del Estadío Clínico ................................. 26spa
dc.description.tableofcontentsCAPITULO II ................................................................... 28spa
dc.description.tableofcontents2.1 MODELOS de crecimiento tumoral y Escalamiento Dinámico ........................................... 28spa
dc.description.tableofcontents2.2 Modelo de deposición balístico (BD). ................................................................................ 28spa
dc.description.tableofcontents2.3 ESCALAMIENTO DINAMICO ............................................................................................... 32spa
dc.description.tableofcontents2.4 Modelo malthusiano o exponencial ........................... 35spa
dc.description.tableofcontents2.5 Modelo logístico ........................................... 36spa
dc.description.tableofcontents2.6 GEOMETRÍA FRACTAL .................................................. 40spa
dc.description.tableofcontents2.6.1 Auto- Similitud. ..................................................... 41spa
dc.description.tableofcontents2.6.2 Auto-Afinidad. ..................................................... 42spa
dc.description.tableofcontents2.6.3 Fractales lineales ......................................................... 42spa
dc.description.tableofcontents2.6.4 Fractales no lineales ........................................... 43spa
dc.description.tableofcontentsCAPITULO III .......................................................................... 44spa
dc.description.tableofcontents3.1 Adquisición y Procesamiento Digital de Imágenes Tomográficas ...................................... 44spa
dc.description.tableofcontents3.1.1 Materiales y Métodos ............................................. 45spa
dc.description.tableofcontents3.1.1.1 Selección de las imágenes .................................. 45spa
dc.description.tableofcontents3.1.1.2 Segmentación de las imágenes ........................... 47spa
dc.description.tableofcontents3.1.1.3 Delimitación que contiene el volumen tumoral. ..................................................... 50spa
dc.description.tableofcontents3.1.1.4 Selección de los centroides a partir de los picos mostrado en el histograma de Umbralización. .......................................................................................................................... 51spa
dc.description.tableofcontents3.1.1.5 Segmentación de las imágenes de acuerdo al método K – medias y aplicación de operadores morfológicos .......................................................................................................... 52spa
dc.description.tableofcontents3.1.1.6 Segmentación de las imágenes de acuerdo al método C – medias y aplicación de operadores morfológicos .......................................................................................................... 54spa
dc.description.tableofcontents3.1.1.7 Selección de contorno del tumor ............................................................................. 57spa
dc.description.tableofcontents3.2 Análisis de escalamiento y geometría fractal .................................................................... 59spa
dc.description.tableofcontents3.2.1 Cálculo del ancho de la interfaz del tumor. ................................................................ 59spa
dc.description.tableofcontents3.2.2 Cálculo de la dimensión fractal del tumor huésped ................................................... 63spa
dc.description.tableofcontentsCAPITULO IV ................................................................................................................................. 64spa
dc.description.tableofcontentsRESULTADO Y ANÁLISIS ........................................... 64spa
dc.description.tableofcontentsCONCLUSIONES ............................................................ 70spa
dc.description.tableofcontentsBIBLIOGRAFÍA ................................................................. 72spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositorio.unicordoba.edu.co/handle/ucordoba/3224spa
dc.language.isospaspa
dc.publisher.facultyFacultad de Ciencias Básicasspa
dc.publisher.programFísicaspa
dc.relation.references[1] Robinson V. The Story of Medicine. New Home Library, 1944. p.16-20.spa
dc.relation.references[2] Cáncer. (2020). Retrieved 15 January 2020, from https://www.who.int/es/news-room/fact-sheets/detail/cancerspa
dc.relation.references[3] Frank H. Netter, M. D. Atlas de Anatomía Humana. Barcelona: Masson, 1996. Rouvière, H. y Delmas, A. Anatomía Humana. Barcelona: Masson, 9ª ed., 1996. Warwick, Williams. Gray: Anatomía. Madrid: Editorial Harcourt, 36ª ed., 1995spa
dc.relation.references[4] Tráquea, Pulmón. Arterias Pulmonares. (2020). Retrieved 15 January 2020, from https://es.slideshare.net/KarliAcos95/trquea-pulmn-bronquios-arterias-pulmonaresspa
dc.relation.references[5] Científicas, S. (2020). En 2018 ha habido 18,1 millones de nuevos casos de cáncer en el mundo. Retrieved 16 January 2020, from https://www.agenciasinc.es/Noticias/En-2018-ha-habido-18-1-millones-de-nuevos-casos-de-cancer-en-el-mundospa
dc.relation.references[6] Bases biológicas de la carcinogénesis epitelial; abordaje y biomarcadores - Página 3 - Artículos - IntraMed. (2020). Retrieved 16 January 2020, from https://www.intramed.net/contenidover.asp?contenidoid=31556&pagina=3spa
dc.relation.references[7] Cánceres posteriores al cáncer de pulmón. (2020). Retrieved 16 January 2020, from https://www.cancer.org/es/cancer/cancer-de-pulmon/despues-del-tratamiento/segundos-canceres.htmlspa
dc.relation.references[8] (2020).Retrieved16January2020,from https://www.who.int/tobacco/resources/publications/wntd/2006/translations/Brochure_Spanish.pdfspa
dc.relation.references[9] Incidencia,Mortalidad y Prevalencia del cancer en colombia[2007-2011].Revista del instituto nacional de cancerolog´ıa.2015spa
dc.relation.references[10] Cáncer de pulmón - Diagnóstico y tratamiento - Mayo Clinic. (2020). Retrieved 16 January 2020, from https://www.mayoclinic.org/es-es/diseases-conditions/lung-cancer/diagnosis-treatment/drc-20374627spa
dc.relation.references[11] (ACR), R. (2020). Detección temprana del cáncer de pulmón. Retrieved 16 January 2020, from https://www.radiologyinfo.org/sp/info.cfm?pg=screening-lungspa
dc.relation.references[12] Pruebas para el cáncer de pulmón. (2020). Retrieved 16 January 2020, from https://www.cancer.org/es/cancer/cancer-de-pulmon/deteccion-diagnostico-clasificacion-por-etapas/como-se-diagnostica.htmlspa
dc.relation.references[13] File:LK-small cell3683.jpg - Wikimedia Commons. (2020). Retrieved 16 January 2020, from https://commons.wikimedia.org/wiki/File:LK-small_cell3683.jpgspa
dc.relation.references[14] (ACR), R. (2020). Rayos X (radiografía) del tórax. Retrieved 12 February 2020, from https://www.radiologyinfo.org/sp/info.cfm?pg=chestradspa
dc.relation.references[15] BROWNELL G, BURNHAM C. MGH Positron camara. En: Tomographic imaging in Nuclear Medicine. New York: Society of Nuclear Medicine, 1973. p. 154-164.spa
dc.relation.references[16] ANTOCH G, FREUDENBERG LS, BEYER T. To enhance or not to enhance? 18F-FDG and CT contrast agents in dual-modality 18F-FDG PET/CT. J Nucl Med. 2004; 45(suppl 1): 56S-65S.spa
dc.relation.references[17] Cáncer de pulmón. (2020). Retrieved 12 February 2020, from https://www.aecc.es/es/todo-sobre-cancer/tipos-cancer/cancer-pulmonspa
dc.relation.references[18] (2020). Retrieved 12 February 2020, from https://www.neumosur.net/files/publicaciones/consensos/CAPITULO-7-2.pdfspa
dc.relation.references[19] Tabla 3.16-1. Clasificación TNM (2017) en carcinoma no microcítico pulmonar- Medicina interna. (2020). Retrieved 12 February 2020, from https://empendium.com/manualmibe/table/B34.3.14-1.spa
dc.relation.references[20] Barabási, A.-L., & Stanley, H. E. (1996). Fractal Concepts in Surface Growth. Zeitschrift Für Physikalische Chemie. https://doi.org/10.1524/zpch.1996.193.Part_1_2.218aspa
dc.relation.references[21] Ben-Avraham, D., & Havlin, S. (2000). Diffusion and reactions in fractals and disordered systems. Cambridge University Press.spa
dc.relation.references[22] Feder, J. (1998). Fractals. New York, New York, USA: Plenum Press.spa
dc.relation.references[23] LungCT-Diagnosis - The Cancer Imaging Archive (TCIA) Public Access - Cancer Imaging Archive Wiki. (2020). Retrieved 12 February 2020, from https://wiki.cancerimagingarchive.net/display/Public/LungCT-Diagnosisspa
dc.relation.references[24] P. Legendre and L. Legendre. Numerical Ecology. Elsevier, Amsterdam, 1998.spa
dc.relation.references[25] Chattopadhyay, S., Pratihar, D.K., De Sarkar, S.C.: Performance Studies of Some Similarity-Based Fuzzy Clustering Algorithm. International Journal ofPerformability Engineering, Vol. 2, No. 2, pp. 191{200 (2006)spa
dc.relation.references[26] Bezdek, J.C.: Pattern Recognition with Fuzzy Objective Function Algorithms. Kluwer Academic Publishers, Norwell, MA, USA (1981)spa
dc.relation.references[27] Cesar Mu~noz P_ere, Diego Cabrera Padilla, B. E. Carvajal-G_amez,F.J. Gallegos-Funes, Diane Gendron.Segmentaci_on autom_atica en im_agenes RGB aplicando la t_ecnica Fuzzy C-means de la morfolog__a matem_atica para la ayuda de la fotoidenti_caci_on de cet_aceos.Research in Computing Science 74 (2014).spa
dc.relation.references[28] P. Legendre and L. Legendre. Numerical Ecology. Elsevier, Amsterdam, 1998spa
dc.relation.references[29] A. Brú, J. Pastor, I. Brú, S. Melle, and C. Berenguer. Phys. Rev. Lett.,81(18):4008– 4011, 1998spa
dc.relation.references[30] Torres Hoyos, F., Navarro, R.B., Vergara Villadiego, J., Guerrero – Martelo, M., (2018). Applied Radiation and Isotopes, 141(1) 250 – 256.spa
dc.relation.references[31] Vicsek, T. (1990). Mass multifractals. Physica A: Statistical Mechanics and Its Applications, 168(1), 490–497. https://doi.org/10.1016/0378-4371(90)90401-Dspa
dc.relation.references[32] Lozano, A. (2013). Tuning the Brain. Retrieved August 22, 2017, from http://www.the-scientist.com/?articles.view/articleNo/38047/title/Tuning-the-Brain/spa
dc.relation.references[33] Martín-Landrove, M., & Torres-Hoyos, F. (2013). Geometry of Tumor Growth in Brain. Revista de La Facultad de Ingeniería, Universidad Central de Venezuela, 28(4), 79–88.spa
dc.relation.references[34] Losa, G. A., Baumann, G., & Nonnenmacher, T. F. (1992). Fractal dimension of pericellular membranes in human lymphocytes and lymphoblastic leukemia cells. Pathology - Research and Practice, 188(4–5), 680–686.spa
dc.relation.references[35] Murray, J., Alvord, Jr, E., & Swanson, K. (2003). Dynamics of a model for brain tumors reveals a small window for therapeutic intervention. Discrete and Continuous Dynamical Systems - Series B, 4(1), 289–295.spa
dc.rightsCopyright Universidad de Córdoba, 2019spa
dc.rights.accessrightsinfo:eu-repo/semantics/restrictedAccessspa
dc.rights.creativecommonsAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/spa
dc.subject.keywordsSegmentationspa
dc.subject.keywordsFractalsspa
dc.subject.keywordsK-meansspa
dc.subject.proposalSegmentaciónspa
dc.subject.proposalK-meansspa
dc.subject.proposalC-meansspa
dc.subject.proposalFractalspa
dc.subject.proposalC-meansspa
dc.titleUso de los métodos de segmentación c-means, k-means y geometría fractal en el estudio in vivo del cáncer de pulmónspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_16ecspa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
Archivos
Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
riveroborjamarioandres-escobarmartinezjoseeduardo.pdf
Tamaño:
2.35 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Formato de Autorización.pdf
Tamaño:
365.13 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
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:
Descargar
Colecciones
G.B.A. Trabajos de Investigación y/o Extensión