Logotipo del repositorio
Logotipo del repositorio
 

Aproximación al uso de interfaz gráfica en la operatividad de agentes inteligentes con imágenes médicas

Vista sencilla de ítem
dc.contributor.authorOsorio Ortega, Shirley Katherinnespa
dc.contributor.authorHernández Lalinde, Juan Diegospa
dc.contributor.authorRodríguez, Johel E.spa
dc.contributor.authorReyes Herrera, Pedro Enriquespa
dc.contributor.authorArmas Ramírez, Pablo Marcelospa
dc.contributor.authorMorán Narváez, Luis Eduardospa
dc.contributor.authorVelastegui Rodríguez, Gisella Patriciaspa
dc.contributor.authorSalazar, Juanspa
dc.contributor.authorAñez, Robertospa
dc.contributor.authorBermúdez, Valmorespa
dc.date.accessioned2019-07-25T19:53:25Z
dc.date.available2019-07-25T19:53:25Z
dc.date.issued2019
dc.description.abstractEn el presente artículo se da a conocer el estado del arte relativo al desarrollo de interfaz gráfica de usuario para la integración de técnicas de procesamiento de imágenes y operadores basados en máquinas inteligentes, orientada a la construcción de enfoques computacionales útiles en la rutina clínica y/o en la investigación relacionada con el diagnóstico de neoplasias malignas en el sistema gastrointestinal. Para ello, inicialmente se contextualiza a través de una fundamentación teórica la interfaz gráfica en el contexto de las imágenes médicas, lo cual sustenta las entradas principales de la matriz documental. La revisión documental de artículos científicos, libros, capítulos de libros, tesis de grado y posgrado referentes al objeto de estudio son sistematizados mediante la matriz documental como instrumento de recolección de información. De allí, y considerando un análisis de contenido, se exploraron sesenta y cuatro referencias bibliográficas relacionadas con las entradas de la matriz documental. Los hallazgos develaron que en el contexto nacional y en el internacional ha ido creciendo el diseño de aplicativos para la integración de algoritmos matemático-computacionales con interfaz gráfica de usuario para el procesamiento y análisis de imágenes de tumores cancerígenos de estómago. No obstante, no se ha alcanzado aún una solución computacional óptima.spa
dc.description.abstractIn this paper, we present the state of the art related to the development of graphic user interface for the integration of image processing techniques and operators based on machine learning, in this case, oriented to the construction of computational approaches useful in the clinical routine and/or in research related to the diagnosis of malignant neoplasms in the gastrointestinal system. In this sense, the graphical interface in the context of medical images is initially contextualized through a theoretical foundation, which supports the main entries of the documentary matrix. The documentary review of scientific papers, books, book chapters, undergraduate and postgraduate theses related to the object of study are systematized through the documentary matrix as an instrument for gathering information. From there, and considering a content analysis, sixty-four bibliographical references related to the entries of the documentary matrix are explored. The findings revealed an increase in the design of applications for the integration of mathematical-computational algorithms with graphical user interface for the processing and analysis of images of cancerous tumors of the stomach has grown. This increase has been both in the national and international context. However, an optimal computational solution has not yet been reached.eng
dc.identifier.issn26107988
dc.identifier.urihttps://hdl.handle.net/20.500.12442/3628
dc.language.isospaspa
dc.publisherSociedad Venezolana de Farmacología Clínica y Terapéuticaspa
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacionaleng
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.sourceRevista AVFT-Archivos Venezolanos de Farmacología y Terapéuticaspa
dc.sourceVolumen 38, número 2, 2019spa
dc.source.urihttp://saber.ucv.ve/ojs/index.php/rev_aavft/article/view/16449/144814482953eng
dc.subjectInterfaz gráfica de usuariospa
dc.subjectSoftware librespa
dc.subjectProcesamiento de imágenes médicasspa
dc.subjectAgentes inteligentesspa
dc.subjectTomografía computarizadaspa
dc.subjectCáncer gástricospa
dc.subjectGraphical user interfaceeng
dc.subjectFree softwareeng
dc.subjectMedical images processingeng
dc.subjectIntelligence agentseng
dc.subjectComputerized Tomographyeng
dc.subjectGastric cancereng
dc.titleAproximación al uso de interfaz gráfica en la operatividad de agentes inteligentes con imágenes médicasspa
dc.title.alternativeApproaching the use of graphical interface in the operation of intelligent agents with medical imageseng
dc.typearticleeng
dcterms.referencesAlcaide, J. L., Patiño, M., Balankin, A., Patiño, J., Martínez, M. A., & Ramírez, T. A. (2017). Sistema de información para el diagnóstico de adenocarcinoma gástrico. Polibits, 56, 21-27.spa
dcterms.referencesAreitio Bertolín, M. G., & Areitio Bertolín, A. (2009). Información, informática e internet: del ordenador personal a la «Empresa 2.0». Madrid: Vision Libros.spa
dcterms.referencesArguiñarena, E., del Fresno, M., Escobar, P., Massa, J. M., & Santiago, M. (2012). DcmView4j: una plataforma para procesamiento y visualización de imágenes médicas. Presentado en Conference: Congreso Argentino de Informatica y Salud., La Plata, Argentina: SADIO.spa
dcterms.referencesBankman, I. N. (Ed.). (2009). Handbook of medical image processing and analysis (2. ed). Amsterdam: Elsevier, Acad. Press.eng
dcterms.referencesBarkin, J. S., & O’Loughlin, C. (2004). Capsule endoscopy contraindications: complications and how to avoid their occurrence. Gastrointestinal Endoscopy Clinics of North America, 14(1), 61-65. https://doi.org/10.1016/j.giec.2003.10.016eng
dcterms.referencesBereciartua, M. (2016). Desarrollo de algoritmos de procesamiento de imagen avanzado para interpretación de imágenes médicas. Aplicación a segmentación de hígado sobre imágenes de Resonancia Magnética multisecuencia. ((Tesis de Doctorado)). Universidad de País Vasco, España.spa
dcterms.referencesBishop, C. M. (2006). Pattern recognition and machine learning. New York: Springer.spa
dcterms.referencesBotina Monsalve, D. J., Galeano, J., Pérez, S., & Garzón, J. (2015). Adquisición y procesamiento de imágenes multiespectrales biológicas: un caso de estudio en tejido cardiovascular. Revista de Investigaciones Universidad del Quindío, 27(1), 61-66. https://doi.org/10.33975/riuq.vol27n1.26spa
dcterms.referencesCadenas Rodríguez, L., Martí de Gracia, M., Saturio Galán, N., Pérez Dueñas, V., Salvatierra Arrieta, L., & Garzón Moll, G. (2013). Utilidad de la tomografía computarizada multidetector para identificar la localización de las perforaciones gastrointestinales. Cirugía Española, 91(5), 316-323. https://doi.org10.1016j.ciresp.2012.06.004spa
dcterms.referencesCarcelén, L., & Padilla, L. (2017). Sistema informático para la identificación, almacenamiento y procesamiento de imágenes médicas. (Tesis de Ingeniería en Informática). Universidas Central de Ecuador.spa
dcterms.referencesCastillo, A., Ortegon, J., Vazquez, J., & Rivera, J. (2014). Virtual Laboratory for Digital Image Processing. IEEE Latin America Transactions, 12(6), 1176-1181. https://doi.org10.1109TLA.2014.6894017eng
dcterms.referencesCerrato, J., Quintanilla Domínguez, J., Gordillo, J., Rico, J., & Barrón, J. (2014). Interfaz gráfica de usuario para la detección de microcalcificaciones mediante análisis de mamografía digitalizada. Aplicaciones TIC . Tópicos Selectos de Ingeniería, 43-58.spa
dcterms.referencesChacón, G., Rodríguez, J. E., Bermúdez, V., Vera, M., Hernández, J. D., Vargas, S., … Bravo, A. J. (2018). Computational assessment of stomach tumor volume from multi-slice computerized tomography images in presence of type 2 cancer. 1000Research, 7, 1098. https://doi.org10.12688f1000research.14491.2eng
dcterms.referencesChamba, C., & Alonso, R. (2014). Estándar de usabilidad para la interfaz gráfica de usuario en los proyectos de desarrollo de software (Tesis previa la obtención del título de Ingeniería de Sistemas). Universidad Nacional de Loja, Ecuadorspa
dcterms.referencesCristianini, & Shawe-Taylor. (2000). An Introduction to Support Vector Machines and Other Kernel-based Learning Methods Hardback. Cambridge ; New York: Cambridge University Press.eng
dcterms.referencesDe Simone, F., Machado, P., & Guzmán Calderon, E. (2017). Abordaje diagnóstico y terapéutico de las patologías del intestino delgado mediante cápsula endoscópica y enteroscopía de doble balón. Revista de Gastroenterología del Perú, 37(1), 58-64.spa
dcterms.referencesDomínguez, L. (2015). Interfaz de procesamiento de imágenes médicas sobre computadora para Radioterapia. (Tesis de Ingeniería Biomédica). Universidad Central Marta Abreu de Las Villas, Cuba.spa
dcterms.referencesDougherty, G. (Ed.). (2011). Medical Image Processing: Techniques and Applications. Recuperado de https://www.springer.com/us/ book/9781441997692eng
dcterms.referencesEdge, S. B., & Compton, C. C. (2010). The American Joint Committee on Cancer: the 7th edition of the AJCC cancer staging manual and the future of TNM. Annals of Surgical Oncology, 17(6), 1471-1474. https://doi.org/10.1245/s10434-010-0985-4eng
dcterms.referencesFlohr, T. G., Schaller, S., Stierstorfer, K., Bruder, H., Ohnesorge, B.M., & Schoepf, U. J. (2005). Multi-detector row CT systems and image-reconstruction techniques. Radiology, 235(3), 756-773. https://doi.org10.1148radiol.2353040037eng
dcterms.referencesFlynn-O’Brien, K., Rice-Townsend, S., & Ledbetter, D. J. (2017). Structural Anomalies of the Gastrointestinal Tract. En Avery’s Diseases of the Newborn: Tenth Edition (pp. 1039-1053.e3). https://doi.org10.1016B978-0-323-40139-5.00071-1eng
dcterms.referencesForero Piñeros, E. A., Arantes, V., & Toyonaga, T. (2012). Disección endoscópica de la submucosa (DES) en cáncer gástrico temprano: Estado del arte. Revista Colombiana de Gastroenterologia, 27(3), 200-221.spa
dcterms.referencesFowler, S. L. (1998). GUI design handbook. New York: McGraw-Hill.eng
dcterms.referencesGanry, L., Hersant, B., Bosc, R., Leyder, P., Quilichini, J., & Meningaud, J. P. (2018). Study of medical education in 3D surgical modeling by surgeons with free open-source software: Example of mandibular reconstruction with fibula free flap and creation of its surgical guides. Journal of Stomatology, Oral and Maxillofacial Surgery, 119(4), 262-267. https://doi.org/10.1016/j.jormas.2018.02.012eng
dcterms.referencesGarcia, H. S., & Avila, J. C. (2016). Análisis de alternativas de software libre. Revista Electrónica Sobre Cuerpos Académicos y Grupos de Investigación, 3(6), 1-39.spa
dcterms.referencesGarcía-Álvarez, M. T. (2013). El rol de las tecnologías de la información y comunicación en la gestión del conocimiento: un desafío estratégico en el nuevo contexto empresarial. Revista de Ciencias Sociales (Ve), XIX(2), 322-333.spa
dcterms.referencesGonzalez, R. C., & Woods, R. E. (2008). Digital image processing (3rd ed). Upper Saddle River, N.J: Prentice Hall.eng
dcterms.referencesHallinan, J. T. P. D., & Venkatesh, S. K. (2013). Gastric carcinoma: imaging diagnosis, staging and assessment of treatment response. Cancer Imaging: The Official Publication of the International Cancer Imaging Society, 13, 212-227. https://doi.org/10.1102/1470-7330.2013.0023eng
dcterms.referencesHernandez Hoyos, M., E. Dávila Serrano, E., Correa Agudelo, E., Torres González, J., Corredor, R., A. Gutiérrez Ossa, F., … Orkisz, M. (2012). CreaTools: una plataforma para desarrollo de software de procesamiento de imágenes médicas. Aplicación a la segmentación de arterias coronarias y a la detección automática de lesiones en imágenes de angioTAC. Revista Colombiana de Radiología, 23, 3521-3528.spa
dcterms.referencesIto, Y., Blackstone, M. O., Riddell, R. H., & Kirsner, J. B. (1979). The endoscopic diagnosis of early gastric cancer. Gastrointestinal Endoscopy, 25(3),96-101. https://doi.org/10.1016/S0016-5107(79)73384-0eng
dcterms.referencesKulkarni, P. (2012). Reinforcement and systemic machine learning for decision making. Piscataway, NJ: Hoboken, NJ: IEEE Press; Wiley.eng
dcterms.referencesKwee, R. M., & Kwee, T. C. (2007). Imaging in local staging of gastric cancer: a systematic review. Journal of Clinical Oncology: Official Journal of the American Society of Clinical Oncology, 25(15),2107-2116. https://doi.org/10.1200/JCO.2006.09.5224eng
dcterms.referencesLiu, H. (2015). Cromoendoscopia digital virtual asociada a magnificación en el diagnóstico de metaplasia intestinal gástrica. (Tesis de Especialización en Gastroenterología.). Universidad de San Martín de Porres, Perú.spa
dcterms.referencesMacovski, A. (1983). Medical Imaging Systems (Edición: 1). Englewood Cliffs, N.J: Pearson.eng
dcterms.referencesMathWorks. (2019). MathLab, The MathWorks Inc. Recuperado 8 de junio de 2019, de https://www.mathworks.com/products/matlab.htmleng
dcterms.referencesMedina, R., & Bellera, J. (2001). Bases del Procesamiento de Imágenes Médicas. 34. Mérida: Universidad de los Andes.spa
dcterms.referencesMedina, R., & Bellera, J. (2001). Bases del Procesamiento de Imágenes Médicas. 34. Mérida: Universidad de los Andes.spa
dcterms.referencesMitchell, T. M. (1997). Machine Learning. New York: McGraw-Hill.eng
dcterms.referencesMolina, V., Vera, M., Huerfano, Y., Amaya, H., Vera, M., Salazar, W.,… Bermudez, V. (2016). Utilidad terapéutica del proceso de segmentación tumoral, aplicado a imágenes de PET-CT Resumen. Archivos Venezolanos de Farmacologia y Terapeutica, 35(3), 66-70.spa
dcterms.referencesMujika, K. M., Méndez, J. A. J., & de Miguel, A. F. (2018). Advantages and Disadvantages in Image Processing with Free Software in Radiology. Journal of Medical Systems, 42(3), 36. https://doi.org10.1007s10916-017-0888-zeng
dcterms.referencesNúñez, I., & Núñez, Y. (2005). Propuesta de clasificación de las herramientas - software para la gestión del conocimiento. Acimed: revista cubana de los profesionales de la información y la comunicación en salud, 13(2), 1.spa
dcterms.referencesPahl, C., Zare, M., Nilashi, M., de Faria Borges, M. A., Weingaertner, D., Detschew, V., … Ibrahim, O. (2015). Role of OpenEHR as an open source solution for the regional modelling of patient data in obstetrics. Journal of Biomedical Informatics, 55, 174-187. https://doi.org/10.1016/j.jbi.2015.04.004eng
dcterms.referencesPesapane, F., Codari, M., & Sardanelli, F. (2018). Artificial intelligence in medical imaging: threat or opportunity? Radiologists again at the forefront of innovation in medicine. European Radiology Experimental, 2(1), 35. https://doi.org10.1186s41747-018-0061-6eng
dcterms.referencesPlewes, D. B., & Kucharczyk, W. (2012). Physics of MRI: A primer. Journal of Magnetic Resonance Imaging, 35(5),1038-1054. https://doi.org10.1002jmri.23642eng
dcterms.referencesRamírez Giraldo, J. C., Arboleda Clavijo, C., & McCollough, C. H. (2008). Tomografía computarizada por rayos X: fundamentos y actualidad. Revista Ingeniería Biomédica, 2(4), 54-66.spa
dcterms.referencesRangayyan, R. M. (2005). Biomedical image analysis. Boca Raton, Fla: CRC Press.eng
dcterms.referencesReiner, B. I., Siegel, E. L., & Siddiqui, K. (2003). Evolution of the Digital Revolution: A Radiologist Perspective. Journal of Digital Imaging,16(4),324-330. https://doi.org/10.1007/s10278-003-1743-yeng
dcterms.referencesRenda, A. (2009). Multiple Primary Malignancies. Springer Science & Business Media.eng
dcterms.referencesReyes-Garcia, E. (2017). The image-interface. Hoboken, NJ: ISTE Ltd/John Wiley and Sons Inc.eng
dcterms.referencesRodríguez, C. (2016). Segmentación de imágenes de resonancia magnética adquiridas mediante secuencias IVIM para identificar tejido sano de tejido canceroso en próstata. (Tesis de Maestría). Universidad Distrital Francisco José de Caldas, Colombia.spa
dcterms.referencesRodríguez Dueñas, W. R. (2014). Software libre para educación e investigación en ingeniería. Revista Educación en Ingeniería, 9(18),12-22. https://doi.org10.26507rei.v9n18.383spa
dcterms.referencesRodríguez Dueñas, W. R. (2015). Herramientas informáticas libres para los desórdenes de la comunicación humana. Revista Ciencias de la Salud, 3(02),261-274. https://doi.or/10.12804revsalud13.02.2015.14spa
dcterms.referencesRollán, A., Cortés, P., Calvo, A., Araya, R., Bufadel, M. E., González, R., … Parra-Blanco, A. (2014). Diagnóstico precoz de cáncer gástrico: Propuesta de detección y seguimiento de lesiones premalignas gástricas: protocolo ACHED. Revista médica de Chile, 142(9), 1181-1192. https://doi.org/10.4067/S0034-98872014000900013spa
dcterms.referencesRonda, D., Ferrer, O., & Alvarez, N. A. (2001). Imagis: Sistema para la transmisión de imágenes médicas multimodales. En Memorias del II Congreso Latinoamericano de Ingeniería Biomédica, Habana, 5.spa
dcterms.referencesSalinas, J. J. J., Sanchez, L. O. S., Miranda, R. C., Rodriguez, J. M. O., & Rosales, H. G. (2015). Algoritmo de procesamiento digital de imágenes para la detección y evaluación de heridas de pie diabético. Difu100ci@ Revista en Ingeniería y Tecnología, UAZ, 8(1), 2-6.spa
dcterms.referencesSánchez, L., & Vergara, R. (2016). Desarrollo de una interfaz gráfica para la rehabilitación de las falanges de la extremidad superior (mano). (Tesis de Licenciatura en Ingeniería en Control y Automatización). Instituto Politécnico Nacional, México.spa
dcterms.referencesShapiro, R. S., Wagreich, J., Parsons, R. B., Stancato-Pasik, A., Yeh, H. C., & Lao, R. (1998). Tissue harmonic imaging sonography: evaluation of image quality compared with conventional sonography. American Journal of Roentgenology, 171(5),1203-1206. https://doi.org/10.2214/ajr.171.5.9798848eng
dcterms.referencesStallman, R., & Gay, J. (2010). Free software, free society: selected essays of Richard M. Stallman. Boston, MA: SoHo Books.eng
dcterms.referencesWeese, J., & Lorenz, C. (2016). Four challenges in medical image analysis from an industrial perspective. Medical Image Analysis, 33,44-49. https://doi.org10.1016j.media.2016.06.023eng
dcterms.referencesYamamoto, H., Yano, T., Kita, H., Sunada, K., Ido, K., & Sugano, K. (2003). New system of double-balloon enteroscopy for diagnosis and treatment of small intestinal disorders. Gastroenterology, 125(5), 1556. https://doi.org/10.1016/j.gastro.2003.03.004eng
dcterms.referencesZhu, A., Lee, D., & Shim, H. (2011). Metabolic positron emission tomography imaging in cancer detection and therapy response. Seminars in Oncology, 38(1),55-69. https://doi.org10.1053j.seminoncol.2010.11.012eng

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
PDF.pdf
Tamaño:
289.53 KB
Formato:
Adobe Portable Document Format
Descripción:
Aproximación_UsoInterfazGráfica_operatividad
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
368 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Artículos

Universidad Simón Bolívar: Todos los derechos reservados / Sistema de biblioteca