Resumen

Los pacientes ingresados en la unidad de cuidados intensivos requieren un manejo rápido y eficaz, incluido el servicio de diagnóstico. Los objetivos de este estudio son producir un sistema asistido por ordenador para que pueda ayudar a los radiólogos a clasificar los tipos de tumores cerebrales que sufren los pacientes de forma rápida y precisa; crear aplicaciones que puedan determinar la localización de los tumores cerebrales a partir de imágenes de tomografía computarizada; y obtener los resultados del análisis del diseño del sistema. La combinación del algoritmo de zonificación con la cuantificación vectorial de aprendizaje puede aumentar la velocidad de cálculo y puede clasificar cerebros normales y anormales con una precisión media del 85%.

• Materias:Inteligencia artificial Big Data Registros médicos electrónicos Acelerómetros Antecedentes teóricos
• Subjects:Artificial intelligence Big Data Electronic medical records Accelerometers Theoretical background
• Palabras claves:tumores cerebrales, imágenes de TC, cuantificación vectorial de aprendizaje, unidad de cuidados intensivos, cerebros anormales, precisión media, servicio de diagnóstico, manejo eficiente, diseño del sistema, algoritmo de zonificación
• Keywords:brain tumors, CT scan images, Learning Vector Quantization, intensive care unit, abnormal brains, average accuracy, diagnosis service, efficient handling, system design, zoning algorithm