Generació de característiques radiòmiques 2D pel diagnòstic digital del càncer de pulmó
Bardeli Gámez, Marc
Sanchez Ramos, Carles, tut. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Additional title:	Generación de características radiómicas 2D para el diagnóstico digital del cáncer de pulmón
Additional title:	Generation of 2D radiomic characteristics for the digital diagnosis of lung cancer
Date:	2025
Abstract:	El càncer de pulmó és un tipus de càncer molt comú i letal. Les característiques radiòmiques de tomografies computeritzades són útils per a la seva detecció precoç, però l'extracció de característiques és un procés lent i costós. Aquest treball es centra en buscar alternatives als mètodes d'extracció actuals buscant una millora en temps, cost i sense perdre la fiabilitat actual. Per fer-ho s'ha seguit una metodologia on es preprocessen les imatges amb els mètodes actuals per després ajuntar les imatges amb les seves característiques i passar-les com a entrada per a entrenar els models d'aprenentatge profund. Els resultats mostren una millora significativa en temps i eficiència computacional gràcies a una ràpida inferència, tot i que la qualitat de les característiques generades varia segons el cas. Malgrat algunes mancances en la generació de característiques, el sistema proposat representa un pas endavant cap a mètodes més eficients i accessibles.
Abstract:	El cáncer de pulmón es un tipo de cáncer muy común y letal. Las características radiómicas de tomografías computeritzadas son útiles para su detección temprana, pero la extracción de características es un proceso lento y costoso. Este trabajo se centra en buscar alternativas en los métodos de extracción actuales buscando una mejora en tiempo, coste y sin perder la fiabilidad actual. Para hacerlo se ha seguido una metodología donde se preprocesan las imágenes con los métodos actuales por después juntar las imágenes con sus características y pasarlas como entrada para entrenar los modelos de aprendizaje profundo. Los resultados muestran una mejora significativa en tiempo y eficiencia computacional gracias a una rápida inferencia, a pesar de que la calidad de las características generadas varía según el caso. A pesar de algunas carencias en la generación de características, el sistema propuesto representa un paso adelante hacia métodos más eficientes y accesibles.
Abstract:	Lung cancer is a very common and lethal disease. Radiomic features extracted from computed tomography (CT) scans are useful for its early detection, but the feature extraction process is often slow and expensive. This project focuses on exploring alternatives to current extraction methods, aiming to improve processing time and cost without compromising reliability. The proposed methodology involves preprocessing images using current techniques, pairing them with their corresponding features, and feeding them into deep learning models for training. The results show significant improvements in time and computational efficiency due to fast inference, although the quality of the generated features varies depending on the case. Despite some shortcomings in feature generation, the proposed system represents a step forward toward more efficient and accessible methods.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Català
Studies:	Enginyeria Informàtica [2502441]
Study plan:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Subject area:	Menció Enginyeria de Computadors
Subject:	Càncer de Pulmó ; Característiques radiòmiques ; Tomografies computeritzades ; Detecció precoç ; Extracció de característiques ; Aprenentatge profund ; Cáncer de Pulmón ; Características radiómicas ; Tomografías computeritzadas ; Detección temprana ; Extracción de características ; Aprendizaje profundo ; Lung cancer ; Radiomic features ; Computed tomography ; Early detection ; Feature extraction ; Deep learning

14 p, 1.3 MB

The record appears in these collections:
Research literature > Bachelor's degree final project > School of Engineering. TFG