medigraphic.com
ISSN 1684-1859 (Impreso)

2016, Número 2

<< Anterior Siguiente >>

Revista Cubana de Informática Médica 2016; 8 (2)


Selección de un algoritmo para la clasificación de Nódulos Pulmonares Solitarios

Rivero CA, Cruz CLM, Artiles LJ

Idioma: Español
Referencias bibliográficas: 34
Paginas: 166-177
Archivo PDF: 146.04 Kb.


RESUMEN

En los últimos años la comunidad científica internacional ha dedicado considerables recursos a la investigación y desarrollo de sistemas de diagnóstico asistidos por ordenador, utilizados por los médicos en el proceso de diagnóstico. Se ha prestado especial atención en algunas áreas médicas, como las especialidades oncológicas, por los altos índices de mortalidad provocados por algunas enfermedades como el cáncer de pulmón. El diagnóstico temprano de este padecimiento puede reducir en gran medida estos indicadores y mejorar la calidad de vida de los pacientes. El objetivo que se pretende con el desarrollo de esta investigación, es la selección adecuada de un algoritmo de clasificación, para ser utilizado en la fase que lleva el mismo nombre como parte de un sistema de diagnóstico asistido por ordenador para la clasificación de nódulos pulmonares solitarios. Para la selección adecuada del algoritmo de clasificación, se realiza un experimento utilizando las herramientas Weka v3.7.10 y Matlab 2013. Para determinar cuál de las técnicas estudiadas arroja mejores resultados de rendimiento, se utilizó el mismo conjunto de datos para las fases de entrenamiento, prueba y validación del clasificador, disponible en la base de datos internacional The Lung Image Database Consortium Image Collection.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Aguilar C. IMPACTO DE LA TECNOLOGÍA EN LA MEDICINA, 2012. [Online]. Available: http://impactodelatecnologiaenlamedicina.blogspot.com/

  2. Bogoni L, Ko J. P. "Impact of a Computer-Aided Detection (CAD) System Integrated into a Picture Archiving and Communication System (PACS) on Reader Sensitivity and Efficiency for the Detection of Lung Nodules in Thoracic CT Exams," J Digit Imaging. vol. 25, pp. 771-781, 2012.

  3. 3."Cancer Fact Sheet," GLOBOCAN, 2008.

  4. Stewart B. W, Wild C. P. "Cancer facts sheet," World Health Organization, Scientific, 2015.

  5. Summers R. M. "Road maps for advancement of radiologic computer-aided detection in the 21st century". Radiology, vol. 229, no. 1, pp. 11-13, 2003.

  6. Masoomeh B. "Computer-aided dermoscopy for diagnosis of melanoma". BMC Dermatology. vol. 5, 2005.

  7. Alavi A, Mosenifar Z. "Solitary Pulmonary Nodule". Medscape, vol. 1, pp. 1-4, 2013.

  8. Suárez J. J. "Desarrollo de un sistema de diagnóstico asistido por computador para detección de nódulos pulmonares en tomografía computarizada multicorte". Tesis PhD, 2009.

  9. 9.Ruiz J, Guzmán A, Martínez J. F. Enfoque Lógico Combinatorio al Reconocimiento de Patrones. Selección de variables y clasificación supervisada., Colección de Ciencias de la Computación. Instituto Politécnico Nacional de México: Departamento de Ingeniería Eléctrica de México, 1999.

  10. Conde A, Navascués E. "Estudio del nódulo pulmonar solitario". Manual de Neumología Neumosur, vol. 3, pp. 233-242, 2009.

  11. SEPÚLVEDA C, SEPÚLVEDA A, FUENTES E. "Nódulo Pulmonar Solitario". Rev. Chilena de Cirugía. vol. 60, no. 1, pp. 71-78, 2008.

  12. Jeong Y. J, Yi C. A, Lee K. S. "Solitary Pulmonary Nodules: Detection, Characterization, and Guidance for Further Diagnostic Workup and Treatment". Radiology. vol. 50, no. 3, pp. 2-8, 2008.

  13. Martín B, Sanz A. Redes Neuronales y Sistemas Borrosos. 2nd ed. Zaragoza, España: Alfaomega, 2001.

  14. Lung Image Database Consortium (LIDC). 2014. [Online]. Available: http://imaging.cancer.gov/programsandresources/informationsystems/lidc

  15. Dennis M.C. Ideler, "Comparison of Artificial Neural Network and k-Nearest Neighbor for Classification," Brock University, Computer Science Department, Scientific 1, 2010.

  16. BETANCOURT G. "LAS MÁQUINAS DE SOPORTE VECTORIAL (SVMs)". Scientia et Technica. vol. 11, no. 27, 2005.

  17. Mustafa M, Taib M, Murat Z, Sulaiman N. "Comparison between KNN and ANN Classification in Brain Balancing Application via Spectrogram Image". Journal of Computer Science & Computational Mathematics. vol. 2, no. 4, 2012.

  18. Song Z, Gu Q. "Image Classification Using SVM, KNN and Performance Comparison with Logistic Regression". Ciencia, Universidad de Dartmouth, 2011.

  19. Chen H, Wang X, Ma D, Ma B. "Neural network-based computer-aided diagnosis in distinguishing malignant from benign solitary pulmonary nodules by computed tomography". Chin Med J (Engl). vol. 120, no. 14, p. 1211:1215, 2007.

  20. Moré J. J. "The Levenberg-Marquardt algorithm: Implementation and theory," in Numerical Analysis, Watson G.A , Ed. Springer Berlin Heidelberg, 1978, pp. 105-116.

  21. Liu L, Wang K, Wen D-W, Li Y. "Multiple kernel MtLSSVM and its application in lung nodule recognition". Journal of Jilin University (Engineering and Technology Edition). vol. 44, no. 2, pp. 508-515, 2014.

  22. Hamada S, Brahim B, Suziah S. "A Computer Aided Diagnosis System for Lung Cancer based on Statistical and Machine Learning Techniques". Journal of Computers. vol. 9, no. 2, pp. 425-431, 2014.

  23. Bhuvaneswari C,Aruna P, Loganathan D. "A new fusion model for classification of the lung diseases using genetic algorithm". Egyptian Informatics Journal. vol. 15, no. 2, pp. 69-77, 2014.

  24. Colas F, Brazdil P. "Comparison of SVM and Some Older Classification Algorithms in Text Classification Tasks". Artificial Intelligence in Theory and Practice. vol. 217, pp. 172-177, 2006.

  25. Hernández R, Fernández C, Baptista P. Metodología de la investigación. 4th ed, vol. 4. México: Mc Graw Hill, 2010.

  26. "Weka 3: Data Mining Software in Java". 2013. [Online]. Available: http://www.cs.waikato.ac.nz/%7Eml/weka/index.html

  27. "Matlab. The Language of technical Computing". 2014. [Online]. Available: http://www.mathworks.com/products/matlab/

  28. Meyer C, Armato S-I, Fenimore C, McLennan G, Bidaut L, et-al. "Quantitative imaging to assess tumor response to therapy: common themes of measurement, truth data, and error sources". Translational Oncology. vol. 2, no. 4, pp. 198-210, 2009.

  29. Armato S-I, Meyer C, McNitt-Gray M, McLennan G, Reeves A."The Reference Image Database to Evaluate Response to therapy in lung cancer (RIDER) project: A resource for the development of change analysis software". Clinical pharmacology and therapeutics, vol. 84, no. 4, pp. 448-456, 2008.

  30. Kuravati R, Sasidhar B, Ramesh D-R. "A Novel Method for Classification of Lung Nodules as Benign and Malignant using Artificial Neural Network". International Journal of Engineering and Computer Science. vol. 3, no. 8, pp. 7641-7645, 2014.

  31. Meyer C, Armato S-I, Fenimore C, McLennan G, Bidaut L, et-al. "The Lung Image Database Consortium (LIDC) and Image Database Resource Initiative (IDRI). A completed reference database of lung nodules on CT scans". Medical Physics. vol. 38, no. 2, pp. 915-931, 2011.

  32. Shiraishi J, Katsuragawa S, Ikezoe J, Matsumoto T, Kobayashi T, Komatsu K. "Development of a digital image database for chest radiographs with and without a lung nodule: receiver operating characteristic analysis of radiologists' detection of pulmonary nodules". American Journal of Roentgenology. vol. 174, no. 1, pp. 71-7, 2000.

  33. Clark K, Gierada D, Moore S, Maffitt D. "Creation of a CT Image Library for the Lung Screening Study of the National Lung Screening Trial". Journal of Digital Imaging. vol. 20, no. 1, pp. 23-31, 2010.

  34. Clark K, Vendt B, Smith K, Freymann J,Kirby J, Koppel P. "The Cancer Imaging Archive (TCIA): maintaining and operating a public information repository". Journal of Digital Imaging. vol. 26, no. 6, pp. 1045-1057, 2013.




2020     |     www.medigraphic.com