Treffer: Desarrollo de una herramienta computacional para la valoración de técnicas quirúrgicas en la corrección de la inestabilidad glenohumeral anterior mediante Deep Learning ; Development of a Computational Tool for the Assessment of Surgical Techniques in the Correction of Anterior Glenohumeral Instability Using Deep Learning

Title:
Desarrollo de una herramienta computacional para la valoración de técnicas quirúrgicas en la corrección de la inestabilidad glenohumeral anterior mediante Deep Learning ; Development of a Computational Tool for the Assessment of Surgical Techniques in the Correction of Anterior Glenohumeral Instability Using Deep Learning
Contributors:
Buitrago Castro, Luis Felipe, Escobar Jaramillo, Mateo, Buitrago Castro, Luis Felipe 0001657515, Escobar Jaramillo, Mateo 0001468933, Escobar Jaramillo, Mateo es&oi=ao, Buitrago Castro, Luis Felipe 0000-0002-1414-1854, Buitrago Castro, Luis Felipe luis-felipe-buitrago-castro, Escobar Jaramillo, Mateo mateo-escobar-jaramillo
Publisher Information:
Universidad Autónoma de Bucaramanga UNAB
Facultad Ingeniería
Pregrado Ingeniería Biomédica
IBM-1788
Publication Year:
2024
Time:
2024
Document Type:
Dissertation bachelor thesis
File Description:
application/pdf
Language:
Spanish; Castilian
Relation:
Bertels, J., Robben, D., Lemmens, R., & Vandermeulen, D. (2022). Convolutional neural networks for medical image segmentation. http://arxiv.org/abs/2211.09562; Burkhart, S. S., DeBeer, J. F., Tehrany, A. M., & Parten, P. M. (2002). Quantifying glenoid bone loss arthroscopically in shoulder instability. Arthroscopy: The Journal of Arthroscopic & Related Surgery, 18(5), 488–491. https://doi.org/10.1053/jars.2002.32212; Cong, T., Charles, S., Reddy, R. P., Fatora, G., Fox, M. A., Barrow, A. E., Lesniak, B. P., Rodosky, M. W., Hughes, J. D., Popchak, A. J., & Lin, A. (2024). Defining Critical Humeral Bone Loss: Inferior Craniocaudal Hill-Sachs Extension as Predictor of Recurrent Instability After Primary Arthroscopic Bankart Repair. The American Journal of Sports Medicine, 52(1), 181–189. https://doi.org/10.1177/03635465231209443; Funakoshi, T., Hartzler, R. U., Stewien, E., & Burkhart, S. S. (2019). Hill-Sachs Lesion Classification by the Glenoid Track Paradigm in Shoulder Instability: Poor Agreement Between 3-Dimensional Computed Tomographic and Arthroscopic Methods.; Arthroscopy: The Journal of Arthroscopic & Related Surgery, 35(6), 1743–1749. https://doi.org/10.1016/j.arthro.2018.12.005; García, G., Menéndez, P., & García Rodriguez, D. (n.d.). Tratamiento artroscópico de las lesiones de Hill-Sachs en la inestabilidad glenohumeral. Técnica de «remplissage» - v28n6a8.; Jiménez I, Marcos-García A, Medina J, Muratore-Moreno, G., & Caballero-Martel, J. (2016). Técnica de Bristow Latarjet en la inestabilidad glenohumeral anterior. In Acta Ortopédica Mexicana (Vol. 30, Issue 6). www.medigraphic.org.mxArtículooriginalTécnicadeBristow Latarjetenlainestabilidadglenohumeralanteriorhttp://www.medigraphic.com/actaortopedica; Kaya, O., & Taşcı, B. (2023). A Pyramid Deep Feature Extraction Model for the Automatic Classification of Upper Extremity Fractures. Diagnostics, 13(21), 3317. https://doi.org/10.3390/diagnostics13213317; Moran, N., Arias, V., Lazo, J., & Melean, P. (2019). Morfologia Glenoidea En La Artrosis Glenohumeral Primaria: Factores Preoperatorios Relevantes. Revista Chilena de Ortopedia y Traumatología, 60(02), 058–066. https://doi.org/10.1055/s-0039-1694017; Moroder, P., Akguen, D., Paksoy, A., Gebauer, H., Barthod-Tonnot, N., Lupetti, M., Markova, V., Zettinig, O., Parada, S., & Karpinski, K. (2024). The Global Track Concept for Assessment of Engaging Hill-Sachs Defects in Anterior Shoulder Instability. The American Journal of Sports Medicine, 52(5), 1292–1298. https://doi.org/10.1177/03635465241232089; Park, M. J., Tjoumakaris, F. P., Garcia, G., Patel, A., & Kelly, J. D. (2011). Arthroscopic Remplissage With Bankart Repair for the Treatment of Glenohumeral Instability With Hill-Sachs Defects. Arthroscopy: The Journal of Arthroscopic & Related Surgery, 27(9), 1187–1194. https://doi.org/10.1016/j.arthro.2011.05.010; Provencher, M. T., Frank, R. M., Golijanin, P., Gross, D., Cole, B. J., Verma, N. N., & Romeo, A. A. (2017). Distal Tibia Allograft Glenoid Reconstruction in Recurrent Anterior Shoulder Instability: Clinical and Radiographic Outcomes. Arthroscopy: The Journal of Arthroscopic & Related Surgery, 33(5), 891–897. https://doi.org/10.1016/j.arthro.2016.09.029 Sagar, A. (2021). ViTBIS: Vision Transformer for Biomedical Image Segmentation (pp. 34–45). https://doi.org/10.1007/978-3-030-90874-4_4; Santiñá, M., Combalia, A., & Prat, A. (2009). Modelo de programa de calidad asistencial en Cirugía Ortopédica y Traumatología. Revista Española de Cirugía Ortopédica y Traumatología, 53(1), 48–53. https://doi.org/10.1016/J.RECOT.2007.12.001; Sezer, A., & Basri Sezer, H. (2020). Convolutional neural network based diagnosis of bone pathologies of proximal humerus. Neurocomputing, 392, 124–131. https://doi.org/10.1016/j.neucom.2018.11.115; Suárez Sanabria, N., & Osorio Patiño, A. M. (2013). Shoulder´s biomechanics and physiological basis for the Codman exercise.; Von Eisenhart-Rothe, R., Mayr, H. O., Hinterwimmer, S., & Graichen, H. (2010). Simultaneous 3D Assessment of Glenohumeral Shape, Humeral Head Centering, and Scapular Positioning in Atraumatic Shoulder Instability.; The American Journal of Sports Medicine, 38(2), 375–382. https://doi.org/10.1177/0363546509347105; https://apolo.unab.edu.co/en/persons/luis-felipe-buitrago-castro; https://hdl.handle.net/20.500.12749/30823; reponame:Repositorio Institucional UNAB; repourl:https://repository.unab.edu.co
Rights:
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ ; Abierto (Texto Completo) ; info:eu-repo/semantics/openAccess ; Atribución-NoComercial-SinDerivadas 2.5 Colombia
Accession Number:
edsbas.4B02E1F5
Database:
BASE

Weitere Informationen

La presente tesis aborda el desarrollo de una herramienta computacional destinada a la valoración de técnicas quirúrgicas en la corrección de la inestabilidad glenohumeral anterior, mediante la aplicación de arquitecturas de aprendizaje profundo (Keras, TensorFlow y PyTorch). Se desarrolla una herramienta de apoyo al diagnóstico ajustable que permite ser implementado por medio de una interfaz intuitiva que facilita al profesional de la salud en ortopedia lograr una valoración acertada, minimizando los riesgos de precisión de la estimación de la incongruencia articular. Por medio del entorno de programación en Python se logra crear una interfaz en la que se procesan las imágenes de las tomografías a tratar, junto con el procesado de las mismas, logrando obtener como resultado un análisis estadístico descriptivo de la situación del paciente donde se pueda obtener una relación de las variables relevantes en cuestión de la escala de inestabilidad glenohumeral del Gimbernat y así tener un dictamen más asertivo y determinar el grado de inestabilidad para así seleccionar que tipo de cirugía es pertinente para el usuario específico. ; Lista de figuras . 5 Lista de tablas . 6 Agradecimientos . 7 Resumen . 8 Abstract . 9 Capítulo 1 . 10 Problema de investigación . 10 Justificación . 12 Pregunta de investigación . 14 Objetivo general . 14 Objetivos específicos . 14 Capítulo 2 . 15 Estado del arte . 15 Marco teórico . 18 Marco legal . 23 Capítulo 3 . 24 Metodología . 24 Fase 1. Diseño del frontend . 25 1.1 Identificación de requerimientos del software. 25 1.2 Desarrollo del Frontend. . 26 1.3 Implementación de librerías y Frameworks. . 27 Fase 2. Desarrollo del backend. . 27 2.1. Preprocesamiento. 27 2.2. Modelado . 28 2.3. Posprocesamiento . 30 Fase 3. Implementación pruebas de usabilidad. . 30 3.1. Definición de objetivos de usabilidad. . 30 3.2 Diseño del instrumento de medición. . 31 3.3 Aplicación de pruebas de usabilidad. . 32 3.4 Análisis estadístico descriptivo. . 32 Capítulo 4 . 34 Resultados y Análisis de ...