Propuesta de un modelo machine learning para predecir la severidad de la reabsorción radicular inducida por ortodoncia

Vista sencilla de ítem
dc.contributor.advisorGonzález Veloza, José John Fredy
dc.contributor.authorArrubla Escobar, Daniel Esteban
dc.creator.emaildearrublae@libertadores.edu.cospa
dc.date.accessioned2022-07-23T15:15:38Z
dc.date.available2022-07-23T15:15:38Z
dc.date.created2022
dc.descriptionLa reabsorción radicular (RR) puede ser considerada una consecuencia iatrogénica común del tratamiento de ortodoncia observada por los ortodoncistas durante el tratamiento y su diagnóstico es principalmente radiográfico. El objetivo de este estudio es desarrollar un modelo que permita predecir la severidad de la RR que podría presentar un paciente considerando variables diagnósticas y del tratamiento. Esto le permitirá al ortodoncista prever la disposición del paciente a desarrollar RR al iniciar su tratamiento, con el fin de promover la toma de decisiones clínicas que permitan mantener la salud de los tejidos dentales. Metodología: Se toman 191 registros de un estudio realizado por Silva y cols. (2018), se realiza el respectivo etiquetado para la clasificación de la severidad de la reabsorción (OIEARRmax: Leve 0-15 %, moderada/severa > 15%). Se entrenaron y evaluaron un modelo base y cuatro modelos de aprendizaje supervisado.spa
dc.description.abstractRoot resorption (RR) can be considered a common iatrogenic consequence of orthodontic treatment observed by orthodontists during treatment and its diagnosis is mainly radiographic. The aim of this study is to develop a model that allows predicting the severity of RR that a patient could present considering diagnostic and treatment variables. This will allow the orthodontist to anticipate the patient's willingness to develop RR at the beginning of their treatment, in order to promote clinical decision-making that allows maintaining the health of dental tissues. Methods: 191 records are taken from a study conducted by Silva et al. (2018), the respective labeling is carried out for the classification of the severity of the resorption (OIEARRmax: mild 0-15%, moderate/severe > 15%). A base model and four supervised learning models were trained and evaluated.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/4737
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.subject.lembMachine learningspa
dc.subject.lembMedicinaspa
dc.subject.lembOrtodonciaspa
dc.subject.proposalReabsorción radicularspa
dc.subject.proposalOrtodonciaspa
dc.subject.proposalAprendizaje automáticospa
dc.subject.proposalSeveridadspa
dc.subject.subjectenglishRoot resorptionspa
dc.subject.subjectenglishOrthodonticsspa
dc.subject.subjectenglishMachine learningspa
dc.subject.subjectenglishSeverityspa
dc.titlePropuesta de un modelo machine learning para predecir la severidad de la reabsorción radicular inducida por ortodonciaspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Arrubla_Daniel_2022.pdf
Tamaño:
688.03 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorizacion_Arrubla_Daniel_2022.pdf
Tamaño:
222.49 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Especialización en Estadística Aplicada