Análisis de señales cromatografícas provenientes de muestras de orina, para el análisis de cáncer de próstata usando procesamiento de señales

La temprana detección del cáncer de próstata es de vital importancia para la puesta en marcha del tratamiento del paciente. Espor ello que este artículo demuestra que las señales cromatográficas provenientes de muestras de orina tienen relación con enfermedadesrelacionadas con la próstata del hombre...

Full description

Saved in:
Bibliographic Details
Published inAibi revista de investigación, administración e ingeniería Vol. 7; no. 2; pp. 8 - 15
Main Authors Torres-Flórez, Ronald de Jesús, Mendoza, Luís Enrique, Nieto-Sánchez, Zulmary Carolina
Format Journal Article
LanguageEnglish
Published Universidad de Santander 01.07.2019
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:La temprana detección del cáncer de próstata es de vital importancia para la puesta en marcha del tratamiento del paciente. Espor ello que este artículo demuestra que las señales cromatográficas provenientes de muestras de orina tienen relación con enfermedadesrelacionadas con la próstata del hombre. En este trabajo se usaron técnicas matemáticas tales como: SVM y RNA con el fin de extraer y verificarel patrón encontrado en cada señal cromatográfica. El algoritmo fue entrenado con 10 señales de cromatografía provenientes de muestras deorina, de las cuales 7 fueron obtenidas de los grupos de pacientes de control, y 7 de pacientes enfermos. La obtención de resultados positivosllevó consigo la aplicación de técnicas de pre y procesamiento sobre las señales de cromatografías, entre las que se encuentran, recorte de zonade interés, filtrado y corrección de línea base; cuyo propósito de aplicación permitió la búsqueda de los patrones característicos propios de cadagrupo de pacientes, debido a la presencia o no presencia de células anormales o cancerígenas en la próstata. El sistema fue validado haciendouso de datos ciegos y el resultado se contrastó con el medico experto en el área, permitiendo de este modo llegar a conclusiones puntuales. Laespecificidad del software fue del 92.86%, índice obtenido en la validación del software, cuyas señales ingresadas provienen de muestras deorinas de los pacientes analizados, pero diferentes a las utilizadas para el entrenamiento.
ISSN:2346-030X
2346-030X
DOI:10.15649/2346030X.573