- -

Caracterización estructural y valoración de riesgos de fractura de vertebras humanas con metástasis mediante Machine Learning y el Cartesian Grid FEM

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Caracterización estructural y valoración de riesgos de fractura de vertebras humanas con metástasis mediante Machine Learning y el Cartesian Grid FEM

Show simple item record

Files in this item

dc.contributor.advisor Ródenas García, Juan José es_ES
dc.contributor.advisor Nadal Soriano, Enrique es_ES
dc.contributor.author Gandía Vañó, Blai es_ES
dc.date.accessioned 2023-10-23T10:58:08Z
dc.date.available 2023-10-23T10:58:08Z
dc.date.created 2023-09-25
dc.date.issued 2023-10-23 es_ES
dc.identifier.uri http://hdl.handle.net/10251/198571
dc.description.abstract [ES] En la actualidad los canceres de próstata y mama, se encuentran entre los tipos más prevalentes en España, pudiendo presentar también un alto riesgo a la hora de desarrollar una metástasis ósea en la columna vertebral, teniendo esta una prevalencia de casi el 40%. La metástasis ósea supone al mismo tiempo una disminución en la estabilidad estructural de las vértebras por la acción del tumor, derivando en un aumento en el riesgo de colapso de la vértebra y posibles heridas graves sobre la columna vertebral de la persona afectada. Por esto mismo, actualmente el campo de investigación centrado en el estudio del análisis estructural de las vértebras afectadas por tumores metastásicos presenta un gran potencial de desarrollo en las metodologías, con el fin de mejorar la calidad de vida de los pacientes afectados. Teniendo en cuenta la situación actual, el presente TFM propone la creación de una metodología capaz de realizar análisis estructurales personalizados. Esta metodología se basará en el uso del Cartesian Grid FEM (cgFEM), un software desarrollado por los investigadores del I2MB, capaz de crear automáticamente modelos de Elementos Finitos patient-especific, usando únicamente la información contenida en los vóxeles del TAC original. Sin embargo, el uso de estas técnicas en el campo de la investigación médica y la salud, requiere de la obtención de resultados de los análisis estructurales de manera muy rápida, casi inmediata. Debido a esto, se propone la inclusión de algoritmos Machine Learning, con el fin de crear modelos reducidos adaptados a los pacientes, los cuales permitirán la obtención de los resultados del análisis estructural de las vértebras afectadas por un tumor esférico de cualquier tamaño, posición y densidad, siendo sus resultados obtenidos de manera inmediata muy similares a los obtenidos con el algoritmo cgFEM. Finalmente, la creación de esta metodología, que permitirá el análisis de un gran rango de escenarios del crecimiento del tumor durante el análisis clínico, proporcionará información muy importante para la prevención del riesgo de colapso estructural y la aplicación de los tratamientos paliativos correspondientes para mejorar la calidad de vida del paciente. es_ES
dc.description.abstract [EN] Nowadays, prostate and breast cancers are among the most prevalent types of cancer in Spain, and can also present a high risk of developing bone metastasis in the spine, with a prevalence of almost 40%. Bone metastasis also involves a decrease in the structural stability of the vertebrae due to the action of the tumour, resulting in an increased risk of vertebral collapse and possible serious injuries to the spinal column of the affected person. For this reason, the field of research currently focused on the study of the structural analysis of vertebrae affected by metastatic tumours has great potential for the development of methodologies with the aim of improving the quality of life of affected patients. Taking into account the current situation, this TFM proposes the creation of a methodology capable of carrying out personalised structural analysis. This methodology will be based on the use of Cartesian Grid FEM (cgFEM), a software developed by I2MB researchers, capable of automatically creating patient-specific Finite Element Models, using only the information contained in the original CT voxels. However, the use of these techniques in the field of medical research and health requires obtaining the results of the structural analysis very quickly, almost immediately. Because of this, the inclusion of Machine Learning algorithms is proposed, in order to create reduced models adapted to the patients, which will allow obtaining the results of the structural analysis of the vertebrae affected by a spherical tumour of any size, position and density, with the results obtained immediately being very similar to those obtained with the cgFEM algorithm. Finally, the creation of this methodology, which will allow the analysis of a wide range of tumour growth scenarios during clinical analysis, will provide very important information for the prevention of the risk of structural collapse and the application of the corresponding palliative treatments to improve the patient's quality of life. es_ES
dc.format.extent 78 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Método de los elementos finitos es_ES
dc.subject Vertebra es_ES
dc.subject Tumor es_ES
dc.subject Metástasis es_ES
dc.subject Análisis estructural es_ES
dc.subject Colapso estructual es_ES
dc.subject Modelo reducido es_ES
dc.subject Sparse subspace learning es_ES
dc.subject Finite element method es_ES
dc.subject Tumour es_ES
dc.subject Metastasis es_ES
dc.subject Structural analysis es_ES
dc.subject Structural collapse es_ES
dc.subject Reduced model es_ES
dc.subject.classification INGENIERIA MECANICA es_ES
dc.subject.other Máster Universitario en Ingeniería Mecánica-Màster Universitari en Enginyeria Mecànica es_ES
dc.title Caracterización estructural y valoración de riesgos de fractura de vertebras humanas con metástasis mediante Machine Learning y el Cartesian Grid FEM es_ES
dc.title.alternative Structural characterisation and fracture risk assessment of human vertebrae with metastasis using Machine Learning and the Cartesian Grid FEM es_ES
dc.title.alternative Caracterització estructural i valoració de riscos de fractura de vertebres humanes amb metàstasis mitjançant Machine Learning i el Cartesian Grid FEM es_ES
dc.type Tesis de máster es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Ingeniería Mecánica y de Materiales - Departament d'Enginyeria Mecànica i de Materials es_ES
dc.description.bibliographicCitation Gandía Vañó, B. (2023). Caracterización estructural y valoración de riesgos de fractura de vertebras humanas con metástasis mediante Machine Learning y el Cartesian Grid FEM. Universitat Politècnica de València. http://hdl.handle.net/10251/198571 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\158606 es_ES


This item appears in the following Collection(s)

Show simple item record