Entidad: Universitat Rovira i Virgili (URV)
Confidencialidad: No
Enseñanza(s): Ciència de Dades Biomèdiques
APS: No
Título en diferentes idiomas: Diagnóstico y pronóstico justos de enfermedades cardiovasculares mediante aprendizaje automático y características basadas en fractales
Resumen: 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.
Materia: Sistema cardiovascular--Malalties
Curso académico: 2023-2024
Idioma: en
Fecha de la defensa del trabajo: 2024-06-20
Áreas temàticas: Ingeniería informática
Estudiante: Colmenero Gomez Cambronero, Carlos
Departamento: Enginyeria Informàtica i Matemàtiques
Fecha de alta en el repositorio: 2025-03-03
Palabras clave: Aprendizaje automático, fractales, enfermedades cardiovasculares, diagnóstico, pronóstico, modelos justos
Título en la lengua original: Fair cardiovascular disease diagnosis and prognosis through machine learning and fractal-based features
Derechos de Accesso: info:eu-repo/semantics/openAccess
Director del proyecto: Gkontra, Polyxeni
Repositori URV