Fair cardiovascular disease diagnosis and prognosis through machine learning and fractal-based features

Entitat: Universitat Rovira i Virgili (URV)

Confidencialitat: No

Ensenyament(s): Ciència de Dades Biomèdiques

Aprenentatge Servei: No

Títol en diferents idiomes: Diagnòstic i pronòstic justos de malalties cardiovasculars mitjançant aprenentatge automàtic i característiques basades en fractals

Resum: Donat l'elevat nombre de morts per malalties cardiovasculars, els mètodes innovadors són essencials per mitigar els seus efectes perjudicials. L'anàlisi fractal ofereix una representació detallada de patrons complexos, com els de les condicions cardiovasculars. Aquesta tesi avalua l'equitat i el rendiment predictiu dels models ML utilitzant característiques fractals de CMR per al diagnòstic i pronòstic de malalties cardiovasculars. No es van trobar diferències significatives entre els millors models fractals i radiòmics. Després de la mitigació, els fractals eren superiors a la radiòmica. Tenint en compte el seu rendiment predictiu equivalent, un biaix reduït després de la mitigació i menys característiques, els fractals es proposen com a alternativa a la radiòmica.

Matèria: Sistema cardiovascular--Malalties

Curs acadèmic: 2023-2024

Idioma: en

Data de la defensa del treball: 2024-06-20

Àrees temàtiques: Enginyeria informàtica

Estudiant: Colmenero Gomez Cambronero, Carlos

Departament: Enginyeria Informàtica i Matemàtiques

Data d'alta al repositori: 2025-03-03

Paraules clau: Aprenentatge automàtic, fractals, malalties cardiovasculars, diagnòstic, pronòstic, models justos

Títol en la llengua original: Fair cardiovascular disease diagnosis and prognosis through machine learning and fractal-based features

Drets d'accés: info:eu-repo/semantics/openAccess

Director del projecte: Gkontra, Polyxeni