MODELO PREDICTIVO DE LA RESPUESTA AL TRATAMIENTO DE QUIMIO-RADIOTERAPIA EN CÁNCER DE PULMÓN DE CÉLULAS NO PEQUEÑAS LOCALMENTE AVANZADOS BASADO EN VARIABLES RADIÓMICAS DE CT

Vista sencilla de ítem
dc.contributor.authorAltuna Pérez, Sara
dc.date.accessioned2023-07-23T20:00:14Z
dc.date.available2023-07-23T20:00:14Z
dc.date.issued2023-07-20
dc.descriptionTrabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: Jesús Javier Martín Pinacho, Ángel Torrado Carvajal
dc.description.abstractEl tratamiento para el cáncer de pulmón de células no pequeñas localmente avanzado está basado en la combinación de quimioterapia y radioterapia.Durante los últimos años, el ámbito de la radiómica se ha explotado notablemente y ha evolucionado concediendo la capacidad de extraer mayor cantidad de información sobre la base de las técnicas existentes de imagen a partir de datos cuantitativos. El propósito de este proyecto ha sido desarrollar una herramienta que combine la radiómica y las técnicas basadas en machine learning aplicándolas a la predicción de la respuesta tumoral de los pacientes incluidos en el estudio. Tras el proceso de selección de imágenes y su posterior segmentación manual, se han extraído características radiómicas de distintas clases y naturaleza en base a la imagen original, que después han sido utilizadas en un completo proceso de clasificación binaria.
dc.identifier.urihttps://hdl.handle.net/10115/23633
dc.language.isospa
dc.publisherUniversidad Rey Juan Carlos
dc.rightsCreative Commons Atribución-CompartirIgual 4.0 Internacional
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-sa/4.0/legalcode
dc.subjectCáncer de pulmón
dc.subjectInteligencia artificial
dc.subjectRadiómica
dc.subjectPython
dc.subjectTAC
dc.titleMODELO PREDICTIVO DE LA RESPUESTA AL TRATAMIENTO DE QUIMIO-RADIOTERAPIA EN CÁNCER DE PULMÓN DE CÉLULAS NO PEQUEÑAS LOCALMENTE AVANZADOS BASADO EN VARIABLES RADIÓMICAS DE CT
dc.typeinfo:eu-repo/semantics/studentThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
2022-23-EIF-A-2229-2229045-s.altuna.2019-MEMORIA.pdf
Tamaño:
3.56 MB
Formato:
Adobe Portable Document Format
Descripción:
Memoria del TFG
Descargar

Colecciones

Trabajos Fin de Grado