Ítem
Acceso Abierto

Modelos de analítica de datos aplicado a la Detección de Úlceras por Presión en Pacientes Hospitalizados

Mostrar el registro sencillo de la publicación
dc.contributor.advisorAya-Parra, Pedro-Antonio
dc.contributor.advisorSarmiento-Rojas, Jefferson
dc.creatorGonzález Medrano, Natalia Andrea
dc.creator.degreeIngeniero Biomédicospa
dc.creator.degreetypeFull timespa
dc.date.accessioned2021-06-02T00:36:42Z
dc.date.available2021-06-02T00:36:42Z
dc.date.created2021-05-26
dc.descriptionLas úlceras por presión (UPP) son una condición frecuente en los pacientes con movilidad restringida, provocando un impacto negativo en la calidad de vida de los pacientes hospitalizados. La primera medida es la identificación de los pacientes susceptibles de desarrollar UPP, por lo que es de gran utilidad el uso de escalas que midan este riesgo. Se propone realizar un algoritmo el cual sea capaz de identificar y clasificar de manera óptima imágenes de ulceras por presión usando inteligencia artificial (IA) con aprendizaje automático, y con ello realizar un análisis el cual permita evidenciar la exactitud y precisión del algoritmo.spa
dc.description.abstractPressure ulcers (PU) are a frequent condition in patients with restricted mobility, causing a negative impact on the quality of life of hospitalized patients. The first measure is the identification of patients susceptible to developing PUs, which is why the use of scales that measure this risk is very useful. It is proposed to carry out an algorithm which is capable of optimally identifying and classifying images of pressure ulcers using artificial intelligence (AI) with machine learning, and thereby performing an analysis which allows evidence of the accuracy and precision of the algorithm.spa
dc.format.extent56 pp.spa
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_31557
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/31557
dc.language.isospaspa
dc.publisherUniversidad del Rosariospa
dc.publisher.departmentEscuela de Medicina y Ciencias de la Saludspa
dc.publisher.programIngeniería Biomédicaspa
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.spa
dc.source.bibliographicCitationB. Estevan and C. Alio, “Ulceras por presión,” Geriatrika, vol. 12, no. 5, pp. 58–62, 1996.spa
dc.source.bibliographicCitation“tratado_de_geriatria[1]-Flip eBook Pages 751 - 782| AnyFlip | AnyFlip.” http://anyflip.com/iwaf/sfjb/basic/751-782 (accessed May 02, 2021).spa
dc.source.bibliographicCitationC. Pedro Gil Gregorio, D. Paloma González García, J. Gutiérrez Rodríguez, and C. Verdejo Bravo, MANUAL DEL RESIDENTE EN GERIATRÍA COMITÉ EDITORIAL. 2011.spa
dc.source.bibliographicCitationF. Pedro Garcia Fernandez and J. Javier Soldevilla Agreda, “TERESA SEGOVIA GÓMEZ,” 2012spa
dc.source.bibliographicCitation“Heridas y Úlceras por Presión | Cursos Enfermería | Salusplay.” https://www.salusplay.com/apuntes/heridas-cronicas-y-ulceras-por-presion (accessed May 02, 2021).spa
dc.source.bibliographicCitation“GNEAUPP - Grupo Nacional para el Estudio y Asesoramiento en Úlceras por Presión y Heridas Crónicas.” https://gneaupp.info/ (accessed May 02, 2021).spa
dc.source.bibliographicCitationU. por, “Guía de cuidados enfermeros.”spa
dc.source.bibliographicCitationC. Verdejo Bravo, “Management of heart failure in the elderly. Who and where? Vision of geriatrics,” Revista Espanola de Geriatria y Gerontologia, vol. 37, no. 1. Ediciones Doyma, S.L., pp. 5–12, Jan. 01, 2002, doi: 10.1016/s0211-139x(02)74767-7.spa
dc.source.bibliographicCitationG. Ruiz-Rozas, M. Mateo, H. Ballestar, P. Monferrer, M. Forés, and L. Tudela, “As Guías de Fisterra Ulceras por presión.spa
dc.source.bibliographicCitationR. GOMIS, “Inteligencia artificial en medicina,” Sep. 05, 2019. https://cienciasdelasalud.blogs.uoc.edu/inteligencia-artificial-en-medicina/ (accessed May 02, 2021)spa
dc.source.bibliographicCitation“La diferencia entre Inteligencia Artificial, Machine Learning y Deep Learning | by SPOT | Medium.” https://medium.com/@spot_blog/la-diferencia-entre-inteligenciaartificial-machine-learning-y-deep-learning-cc415f20e63a (accessed May 02, 2021).spa
dc.source.bibliographicCitation“S12_Keras intro y analisis tensorial.ipynb - Colaboratory.” https://colab.research.google.com/github/jdamaster/machineLearningDiplomat/blob/ master/S12_Keras_intro_y_analisis_tensorial.ipynb#scrollTo=BTDmhfQ31dI5 (accessed May 02, 2021)spa
dc.source.bibliographicCitation“Inteligencia artificial en medicina: casos reales de éxito.” https://blog.enzymeadvisinggroup.com/inteligencia-artificial-en-la-medicina (accessed May 02, 2021)spa
dc.source.bibliographicCitationI. - Ministerio de Sanidad and S. Sociales Igualdad, Guía para la Prevención y Manejo de las UPP y Heridas Crónicas.spa
dc.source.bibliographicCitationJ. E. Valdivia-Silva, R. Salazar, and B. Malpartida, “Educación Médica continua Inflammation in the pathogenesis of pressure ulcers and their detection by new technologies,” 2017spa
dc.source.bibliographicCitationI. García, F. Tutoras, D. Carmen, S. Gotarredona, D. Begoña, and A. Piñero, “Aportaciones a la Segmentación y Caracterización de Imágenes Médicas 3D.”spa
dc.source.bibliographicCitation“Segmentación (procesamiento de imágenes) - Wikipedia, la enciclopedia libre.” https://es.wikipedia.org/wiki/Segmentación_(procesamiento_de_imágenes) (accessed May 02, 2021)spa
dc.source.bibliographicCitation“Inteligencia Artificial en la Medicina Machine Learning - Colombia IBM.” https://www.ibm.com/co-es/watson-health/learn/artificial-intelligence-medicine (accessed May 02, 2021).spa
dc.source.bibliographicCitation“Redes neuronales convolucionales son un tipo de redes neuronales.” https://www.juanbarrios.com/redes-neurales-convolucionales/ (accessed May 02, 2021)spa
dc.source.bibliographicCitationQ. Shan, Z. Li, J. Jia, and C. K. Tang, “Fast image/video upsampling,” ACM Trans. Graph., vol. 27, no. 5, Dec. 2008, doi: 10.1145/1409060.1409106.spa
dc.source.bibliographicCitation“(No Title).” https://academicae.unavarra.es/xmlui/bitstream/handle/2454/37479/Memoria.pdf?sequence=1&isAllo wed=y (accessed May 07, 2021).spa
dc.source.bibliographicCitationC. S. Gotarredona, “Implementación basada en aprendizaje profundo ( Deep Learning ) para la segmentación de lesiones pigmentadas de la piel Portada,” 2020.spa
dc.source.bibliographicCitation“Inteligencia artificial fácil Machine Learning y Deep Learning prácticos - Funciones de pérdida (Loss function).” https://www.edicioneseni.com/open/mediabook.aspx?idR=8dd2ca32769cb24b49648b15ef8e777e (accessed May 11, 2021)spa
dc.source.bibliographicCitation“Estudio detallado del AA: Entrenamiento y pérdida.” https://developers.google.com/machine-learning/crash-course/descending-intoml/training-and-loss?hl=es (accessed May 09, 2021)spa
dc.source.bibliographicCitation“Métricas De Evaluación De Modelos En El Aprendizaje Automático.” https://www.datasource.ai/es/data-science-articles/metricas-de-evaluacion-demodelos-en-el-aprendizaje-automatico (accessed May 10, 2021)spa
dc.source.bibliographicCitation“Conceptos básicos sobre redes neuronales.” https://vincentblog.xyz/posts/conceptos-basicos-sobre-redes-neuronales (accessed May 10, 2021)spa
dc.source.bibliographicCitation“Cómo interpretar la matriz de confusión: ejemplo práctico - Think Big Empresas.” https://empresas.blogthinkbig.com/como-interpretar-la-matriz-de-confusion-ejemplopractico/ (accessed May 10, 2021).spa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocURspa
dc.subjectDiagnostico por imágenes en el tratamiento de úlceras por presión (UPP)spa
dc.subjectSistema de inteligencia artificial (IA) para la clasificación de úlceras por presión (UPP) mediante reconcomiendo ópticospa
dc.subjectTecnología basada en reconcomiendo de imágenes mediante IA para el diagnostico medicospa
dc.subjectTecnología medicaspa
dc.subject.ddcSistemasspa
dc.subject.ddcCiencias médicas, Medicinaspa
dc.subject.keywordImaging diagnosis in the treatment of pressure ulcers (UPP)spa
dc.subject.keywordArtificial intelligence (AI) system for the classification of pressure ulcers (UPP) by means of optical recongestionspa
dc.subject.keywordTechnology based on reconoming of images through AI for medical diagnosisspa
dc.subject.keywordMedical technologyspa
dc.titleModelos de analítica de datos aplicado a la Detección de Úlceras por Presión en Pacientes Hospitalizadosspa
dc.title.TranslatedTitleData analytics models applied to the Detection of Pressure Ulcers in Hospitalized Patientsspa
dc.typebachelorThesiseng
dc.type.documentMonografíaspa
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTrabajo de gradospa
local.department.reportEscuela de Medicina y Ciencias de la Saludspa
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Trabajo Dirigido iniciando.pdf
Tamaño:
1.74 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Pregrado en Ingeniería Biomédica