Obtención de parámetros físicos mediante aprendizaje automático y algoritmos genéticos

Abstract

[ES] Este trabajo de investigación presenta un nuevo método para calcular el módulo de elasticidad de la próstata utilizando algoritmos genéticos. El módulo de elasticidad de la próstata es un parámetro que caracteriza su comportamiento biomecánico y, por tanto, determina el desplazamiento de la próstata cuando se aplica una fuerza sobre ella. Al predecir este parámetro, se puede mejorar la precisión de los modelos de simulación de la próstata. El algoritmo genético propuesto se basa en la idea de usar una población de individuos, cada uno de los cuales representa una posible solución al problema. Los individuos se seleccionan de la población de acuerdo con su fitness, que es una medida de su calidad. Los individuos seleccionados se reproducen entre sí, y los descendientes se someten a una mutación. Este proceso se repite hasta que se encuentra una solución que satisfaga los criterios especificados. Los resultados de este trabajo muestran que el algoritmo genético es capaz de estimar el módulo de elasticidad de la próstata con una precisión comparable a los métodos tradicionales. El algoritmo es también más rápido y eficiente que los métodos tradicionales. Este trabajo presenta una nueva forma de estimar el módulo de elasticidad de la próstata. El algoritmo propuesto es rápido, eficiente y preciso. El algoritmo puede utilizarse para mejorar la precisión de los modelos de simulación de la próstata.

[CA] Aquest treball de recerca presenta un nou mètode per calcular el mòdul d’elasticitat de la pròstata utilitzant algoritmes genètics. El mòdul d’elasticitat de la pròstata és un paràmetre que caracteritza el seu comportament biomecànic i, per tant, determina el desplaçament de la pròstata quan s'aplica una força sobre ella. En predir aquest paràmetre, es pot millorar la precisió dels models de simulació de la pròstata. L'algorisme genètic proposat es basa en la idea d'utilitzar una població d'individus, cadascun dels quals representa una possible solució al problema. Els individus es seleccionen de la població depenent de la seva aptitud, que és una mesura de la seva qualitat. Els individus seleccionats es reprodueixen entre ells i els descendents es sotmeten a una mutació. Aquest procés es repeteix fins que s'ha trobat una solució que compleix els criteris especificats. Els resultats d'aquest treball mostren que l'algorisme genètic és capaç d’estimar el mòdul d’elasticitat de la pròstata amb una precisió comparable als mètodes tradicionals. L'algorisme també és més ràpid i eficient que els mètodes tradicionals. Aquest treball presenta una nova manera de d’estimar el mòdul d’elasticitat de la pròstata. L'algorisme proposat és ràpid, eficient i precís. L'algorisme es pot utilitzar per millorar la precisió dels models de simulació de la pròstata.

[EN] This research work presents a new method for calculating the elasticity module using genetic algorithms. The prostate elasticity module is an important parameter that characterizes the biomechanical behavior of the prostate and determines the displacement of the prostate when a force is applied on it. By predicting this parameter, the accuracy of prostate simulation models can be improved. The proposed genetic algorithm is based on the idea of using a population of individuals, each of which represents a possible solution to the problem. Individuals are selected from the population according to their fitness, which is a measure of their quality. The selected individuals reproduce with each other, and the offspring are subjected to mutation. This process is repeated until a solution that meets the specified criteria is found. The results of this work show that the genetic algorithm is capable of estimating the prostate elastic module with accuracy comparable to traditional methods. The algorithm is also faster and more efficient than traditional methods. This work presents a new way to estimate the prostate elastic module. The proposed algorithm is fast, efficient, and accurate. The algorithm can be used to improve the accuracy of prostate simulation models.