Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/138313
Registre complet de metadades
Camp DC | Valor | Llengua/Idioma |
---|---|---|
dc.contributor.author | Alarcón Vallejo, Damaris | - |
dc.contributor.other | Perez-Navarro, Antoni | - |
dc.coverage.spatial | Quito, ECU | - |
dc.date.accessioned | 2022-01-26T11:29:45Z | - |
dc.date.available | 2022-01-26T11:29:45Z | - |
dc.date.issued | 2021-12-24 | - |
dc.identifier.uri | http://hdl.handle.net/10609/138313 | - |
dc.description.abstract | La columna vertebral es la estructura más importante del esqueleto humano y una de las partes fundamentales del sistema locomotor. La parte baja de la columna se denomina columna lumbar y está compuesta por vértebras más grandes, debido a que en esta zona se deposita la mayor parte del peso del cuerpo. El dolor en la región lumbar es una de las principales causas de consulta médica y se presenta con frecuencia en el 80-90% de la población adulta. La hernia de disco y la espondilolistesis son patologías degenerativas que afectan generalmente a la columna lumbar. La condición ortopédica de una persona se puede determinar a partir de sus características biomecánicas. El aprendizaje automático en el campo de la salud permite convertir datos clínicos, desde mediciones hasta imágenes, en conclusiones importantes para la toma de decisiones sobre el diagnóstico de enfermedades. Utilizando una base de datos de características biomecánicas de la columna, se evaluaron varios algoritmos de aprendizaje automático, el mejor modelo predictivo se obtuvo con el algoritmo de máquina de vectores de soporte (SVM), con una precisión del 85%. Utilizando este modelo se desarrolló una aplicación web con Shiny, en la que el usuario ingresa seis características biomecánicas de la columna y la aplicación devuelve el diagnóstico predicho por el modelo seleccionado. Esta aplicación fue desarrollada para facilitar a los médicos el diagnóstico de estas enfermedades, de manera que los pacientes puedan empezar de inmediato con el tratamiento adecuado. | es |
dc.description.abstract | The vertebral column is the most important structure of the one of the fundamental parts of the locomotor system. The lower part of the vertebral column is called the lumbar column and is made up of larger vertebrae, since most of the body's weight is deposited in this area. Pain in the lumbar region is one of the main causes of medical consultation and occurs frequently in 80-90% of the adult population. Herniated discs and spondylolisthesis are degenerative pathologies that generally affect the lumbar column. The orthopedic condition of a person can be determined from their biomechanical characteristics. Machine learning in the field of health allows converting clinical data, from measures to images, into important conclusions for decision making about the diagnosis of diseases. Using a database of biomechanical characteristics of the spine, several machine learning algorithms were evaluated, the best predictive model was obtained with the support vector machine (SVM) algorithm, with an accuracy of 85%. Using this model, a web application with Shiny was developed, in which the user enters six biomechanical characteristics of the vertebral column, and the application returns the diagnosis predicted by the selected model. This application was developed to make it easier for doctors to diagnose these diseases, so that patients can immediately start with the appropriate treatment. | en |
dc.description.abstract | La columna vertebral és l'estructura més important de l'esquelet humà i una de les parts fonamentals del sistema locomotor. La part baixa de la columna es denomina columna lumbar i està composta per vèrtebres més grans, pel fet que en aquesta zona es diposita la major part del pes del cos. El dolor a la regió lumbar és una de les principals causes de consulta mèdica i es presenta amb freqüència en el 80-90% de la població adulta. L'hèrnia de disc i la espondilolistesis són patologies degeneratives que afecten generalment la columna lumbar. La condició ortopèdica d'una persona es pot determinar a partir de les seves característiques biomecàniques. L'aprenentatge automàtic en el camp de la salut permet convertir dades clíniques, des de mesuraments fins a imatges, en conclusions importants per a la presa de decisions sobre el diagnòstic de malalties. Utilitzant una base de dades de característiques biomecàniques de la columna, es van avaluar diversos algorismes d'aprenentatge automàtic, el millor model predictiu es va obtenir amb l'algorisme de màquina de vectors de suport (SVM), amb una precisió del 85%. Utilitzant aquest model es va desenvolupar una aplicació web amb Shiny, en la qual l'usuari ingressa sis característiques biomecàniques de la columna i l'aplicació retorna el diagnòstic predit pel model seleccionat. Aquesta aplicació va ser desenvolupada per a facilitar als metges el diagnòstic d'aquestes malalties, de manera que els pacients puguin començar immediatament amb el tractament adequat. | ca |
dc.format.mimetype | application/pdf | - |
dc.language.iso | spa | - |
dc.publisher | Universitat Oberta de Catalunya (UOC) | - |
dc.rights | CC BY-NC-ND | - |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ | - |
dc.subject | aplicaciones web | es |
dc.subject | aplicacions web | ca |
dc.subject | espondilolistesis | es |
dc.subject | hernia discal | es |
dc.subject | web applications | en |
dc.subject | espondilolistesi | ca |
dc.subject | spondylolisthesis | en |
dc.subject | herniated disc | en |
dc.subject | hèrnia discal | ca |
dc.subject.lcsh | Machine learning -- TFM | en |
dc.title | Desarrollo de una aplicación web para la predicción de la salud lumbar, aplicando técnicas de aprendizaje automático sobre las características biomecánicas de pacientes ortopédicos | - |
dc.type | info:eu-repo/semantics/masterThesis | - |
dc.audience.educationlevel | Estudis de Màster | ca |
dc.audience.educationlevel | Estudios de Máster | es |
dc.audience.educationlevel | Postgraduate degrees | en |
dc.subject.lemac | Aprenentatge automàtic -- TFM | ca |
dc.subject.lcshes | Aprendizaje automático -- TFM | es |
dc.contributor.tutor | Rebrij, Romina | - |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | - |
Apareix a les col·leccions: | Trabajos finales de carrera, trabajos de investigación, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
dalarconvaTFM0122memoria.pdf | Memoria del TFM | 1,16 MB | Adobe PDF | ![]() Veure/Obrir |
Comparteix:
![]( /image/googleScholar.png)
![](/image/microsoftAcademic.png)
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons