Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma
Introducción— La problemática a tratar en este trabajo es la detección de melanoma, el cual es uno de los distintos cánceres de piel que existen, el cual presenta una alta tasa de mortalidad. Objetivo— En este documento se presenta un proyecto de investigación en el área de Inteligencia Artificial c...
- Autores:
-
Altuve, Abraham
Colon Muñoz, Elias Enrique
Núñez Valdez, Edward Rolando
Murillo, Luis
blanquicett benavides, luis alfredo
ARRIETA RODRIGUEZ, EUGENIA LUZ
NUÑEZ, EDWARD ROLANDO
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2023
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/10593
- Acceso en línea:
- https://hdl.handle.net/11323/10593
https://repositorio.cuc.edu.co
- Palabra clave:
- Deep learning
Lesiones cutáneas
Melanoma
Procesamiento de imágenes
Redes neuronales convolucionales
Deep Learning
Skin lesions
Melanoma
Image processing
Convolutional neural networks
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
| id |
RCUC2_47792adf7969e67215b635b95d6a2487 |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/10593 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma |
| dc.title.translated.none.fl_str_mv |
Detection in images of skin lesions using computer vision and deep learning |
| title |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma |
| spellingShingle |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma Deep learning Lesiones cutáneas Melanoma Procesamiento de imágenes Redes neuronales convolucionales Deep Learning Skin lesions Melanoma Image processing Convolutional neural networks |
| title_short |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma |
| title_full |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma |
| title_fullStr |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma |
| title_full_unstemmed |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma |
| title_sort |
Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanoma |
| dc.creator.fl_str_mv |
Altuve, Abraham Colon Muñoz, Elias Enrique Núñez Valdez, Edward Rolando Murillo, Luis blanquicett benavides, luis alfredo ARRIETA RODRIGUEZ, EUGENIA LUZ NUÑEZ, EDWARD ROLANDO |
| dc.contributor.author.none.fl_str_mv |
Altuve, Abraham Colon Muñoz, Elias Enrique Núñez Valdez, Edward Rolando Murillo, Luis blanquicett benavides, luis alfredo ARRIETA RODRIGUEZ, EUGENIA LUZ NUÑEZ, EDWARD ROLANDO |
| dc.subject.proposal.spa.fl_str_mv |
Deep learning Lesiones cutáneas Melanoma Procesamiento de imágenes Redes neuronales convolucionales |
| topic |
Deep learning Lesiones cutáneas Melanoma Procesamiento de imágenes Redes neuronales convolucionales Deep Learning Skin lesions Melanoma Image processing Convolutional neural networks |
| dc.subject.proposal.eng.fl_str_mv |
Deep Learning Skin lesions Melanoma Image processing Convolutional neural networks |
| description |
Introducción— La problemática a tratar en este trabajo es la detección de melanoma, el cual es uno de los distintos cánceres de piel que existen, el cual presenta una alta tasa de mortalidad. Objetivo— En este documento se presenta un proyecto de investigación en el área de Inteligencia Artificial cuyo objetivo es la detección de melanoma por medio del análisis de imágenes utilizando Deep Learning. Metodología— Inicialmente se aplican operaciones morfológicas sobre la imagen para dejar solo el objeto de interés. Luego esta imagen se ingresa a una red neuronal convolucional, la cual ha sido entrenada para la detección de melanomas. Resultados— La arquitectura de red convolucional propuesta presenta unos resultados aceptables en la métrica de accuracy para la identificación de melanoma maligno o benigno. Sin embargo, se propone realizar futuros experimentos que puedan mejorar estos resultados. Conclusiones— Gracias a las técnicas de Deep Learning con esta clase de herramientas se está ofreciendo un sistema muy poderoso y útil a la hora de determinar el diagnóstico de este tipo de enfermedades. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-11-17T18:41:26Z |
| dc.date.available.none.fl_str_mv |
2023-11-17T18:41:26Z |
| dc.date.issued.none.fl_str_mv |
2023-07-13 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.citation.spa.fl_str_mv |
A. Altuve, E. Colón, A. De la Rosa, L. Murillo, L. Blanquicett, E. Arrieta & E. Núñez, “Detección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo”, J. Comput. Electron. Sci.: Theory Appl., vol. 4, no. 1, pp. 41–62, 2023. https://doi. org/10.17981/cesta.04.01.2023.05 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/10593 |
| dc.identifier.doi.none.fl_str_mv |
10.17981/cesta.04.01.2023.05 |
| dc.identifier.eissn.spa.fl_str_mv |
2745-0090 |
| dc.identifier.instname.spa.fl_str_mv |
Corporación Universidad de la Costa |
| dc.identifier.reponame.spa.fl_str_mv |
REDICUC - Repositorio CUC |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.cuc.edu.co |
| identifier_str_mv |
A. Altuve, E. Colón, A. De la Rosa, L. Murillo, L. Blanquicett, E. Arrieta & E. Núñez, “Detección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo”, J. Comput. Electron. Sci.: Theory Appl., vol. 4, no. 1, pp. 41–62, 2023. https://doi. org/10.17981/cesta.04.01.2023.05 10.17981/cesta.04.01.2023.05 2745-0090 Corporación Universidad de la Costa REDICUC - Repositorio CUC |
| url |
https://hdl.handle.net/11323/10593 https://repositorio.cuc.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartofjournal.spa.fl_str_mv |
CESTA |
| dc.relation.references.spa.fl_str_mv |
[1] M. Tapia, Comprender el cáncer: Conoce qué es el cáncer, por qué se produce y hasta qué punto se puede prevenir y curar. CHI, IL, USA: IPG, 2019. [2] Equipo de redactores y equipo de editores médicos de la ACS, “El diagnóstico temprano del cáncer salva vidas y reduce los costos de tratamiento”, ACS, noviembre 20, 2020. Disponible en https://www3.paho.org/hq/index.php?option=com_content&v iew=article&id=12946:early-cancer-diagnosis-saves-lives-cuts-treatment-costs&Itemid=0&lang=es#gsc.tab=0 [3] Y. Ranchod & S. Frothingham, “The 13 Most Common Cancers with Statistics,” Healthline, March 7, 2019. Available: https:// www.healthline.com/health/most-common-cancers [4] A. Adegun & S. Viriri, “Deep Learning techniques for skin lesion analysis and melanoma cancer detection: a survey of stateof-the-art,” Art Intell Rev, vol. 54, no. 2, pp. 811–841, Jun. 2020. https://doi.org/10.1007/S10462-020-09865-y [5] Z. Hu, J. Tang, Z. Wang, K. Zhang, L. Zhang & Q. Sun, “Deep Learning for image-based cancer detection and diagnosis − A survey,” Pattern Recognit, vol. 83, pp. 134–149, Nov. 2018. https://doi.org/10.1016/J.PATCOG.2018.05.014 [6] K. Munir, H. Elahi, A. Ayub, F. Frezza & A. Rizzi, “Cancer Diagnosis Using Deep Learning: A Bibliographic Review,” Cancers, vol. 11, no. 9, pp. 1–36, Aug. 2019. https://doi.org/10.3390/CANCERS11091235 [7] H. Agudelo & M. Sarria, “Detección de cáncer de seno usando imágenes de histopatología y modelos de aprendizaje profundo pre-entrenados”, CESTA, vol. 2, no. 2, pp. 27–36, Dec. 2021. https://doi.org/10.17981/CESTA.02.02.2021.04 [8] S. U. Khan, N. Islam, Z. Jan, I. Ud Din & J. J. P. C. Rodrigues, “A novel Deep Learning based framework for the detection and classification of breast cancer using transfer learning,” Pattern Recognit Lett, vol. 125, pp. 1–6, Jul. 2019. https://doi. org/10.1016/J.PATREC.2019.03.022 [9] D. Ardila, A. P. Kiraly, S. Bharadwaj, B. Choi, J. J. Reicher, L. Peng, D. Tse, M. Etemadi, W. Ye, G. Corrado, D. P. Naidich & S. Shetty, “End-to-end lung cancer screening with three-dimensional Deep Learning on low-dose chest computed tomography,” Nat Med, vol. 25, no. 6, pp. 954–961, May. 2019. https://doi.org/10.1038/s41591-019-0447-x [10] F. Hernández-Pimentel, “A propósito del cáncer”, Rev Costarric Salud Pública, vol. 19, no. 2, pp. 67–69, Nov. 2010. Disponible en http://hdl.handle.net/20.500.11764/1255 [11] INC Colombia, “Melanoma,” gov.co, 2018. Disponible en https://www.cancer.gov.co/conozca-sobre-cancer-1/informacion-sobrecancer-para-pacientes/tipos-cancer/melanoma [12] OMS, “Cáncer/ Prevención,” WHO, 12 jul. 2019. Disponible en https://www.who.int/cancer/prevention/es/ [13] G. L. Wells, “Generalidades sobre el cáncer de piel”, MSD, Sept. 6, 2022. Disponible en https://www.msdmanuals.com/es/professional/trastornos-dermatológicos/cánceres-cutáneos/generalidades-sobre-el-cáncer-de-piel [14] Á. E. Acosta, E. Fierro, V. E. Velásquez & X. Rueda, “Melanoma: patogénesis, clínica e histopatología”, Rev Asoc Colomb de Dermatol, vol. 17, no. 2, pp. 87–108, Jun. 2009. Disponible en https://revista.asocolderma.org.co/index.php/asocolderma/article/view/156 [15] I. Goodfellow, Y. Bengio, A. Courville & J. Heaton, “Ian Goodfellow, Yoshua Bengio, and Aaron Courville: Deep Learning,” Genet Program Evolvable Mach, vol. 19, no. 1, pp. 305–307, Oct. 2017. https://doi.org/10.1007/S10710-017-9314-Z [16] michaelbeale-IL, “Bringing Parallelism to the Web with River Trail,” GitHub, Nov 7, 2022. Available: http://intellabs.github. io/RiverTrail/tutorial/ [17] MAYOCLINIC, “Cáncer de piel,” Fundación Mayo para la Educación y la Investigación Médicas, Dic. 6, 2022. Disponible en https://www.mayoclinic.org/es-es/diseases-conditions/skin-cancer/symptoms-causes/syc-20377605 [18] AECC, “Cáncer de piel,” Asociación Española Contra el Cáncer, 2021. Disponible en https://www.aecc.es/es/todo-sobre-cancer/ tipos-cancer/cancer-piel [19] ACS, “What Is Melanoma Skin Cancer?,” ACS, Aug. 14, 2019. Available: https://www.cancer.org/cancer/melanoma-skin-cancer/about/what-is-melanoma.html [20] ACS, “¿Qué es el cáncer de piel tipo melanoma?,” ACS, Ago. 14, 2019. Disponible en https://www.cancer.org/es/cancer/cancerde-piel-tipo-melanoma/acerca/que-es-melanoma.html [21] INC Colombia, “Diagnóstico y tratamiento del cáncer en Colombia”, gov.co, Abril 9, 2021. Disponible en https://www.cancer. gov.co/centro-investigacion/lineas-investigacion/diagnostico-tratamiento-del-cancer-colombia [22] ISIC International, “The International Skin Imaging Collaboration,” ISIC, 2021. Available: https://www.isic-archive.com/ [23] OpenCV, “Image Inpainting,” Open Source Computer Vision, Jul 10, 2023. Available: https://docs.opencv.org/master/df/d3d/ tutorial_py_inpainting.html [24] L. Bareiro, D. Leguizamón, D. Pinto-Roa, J. Vázquez & L. Salgueiro, “Computerized Medical Diagnosis of Melanocytic Lesions based on the ABCD approach,” CLEIej , vol 19, no. 2, pp. 5:1–5:22, Ago. 2016. https://doi.org/10.19153/cleiej.19.2.5 [25] MathWorks, “Ajuste de contraste”, The MathWorks Inc, 2023. https://es.mathworks.com/help/images/contrast-adjustment.html [26] J. Scharcanski & M. Emre, Eds, Computer Vision Techniques for the Diagnosis of Skin Cancer. Verlag: Springer, 2013. https:// doi.org/10.1007/978-3-642-39608-3 |
| dc.relation.citationendpage.spa.fl_str_mv |
62 |
| dc.relation.citationstartpage.spa.fl_str_mv |
41 |
| dc.relation.citationissue.spa.fl_str_mv |
1 |
| dc.relation.citationvolume.spa.fl_str_mv |
4 |
| dc.rights.eng.fl_str_mv |
The author; licensee Universidad de la Costa - CUC |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) The author; licensee Universidad de la Costa - CUC https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
22 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Corporación Universidad de la Costa |
| dc.publisher.place.spa.fl_str_mv |
Barranquilla |
| dc.source.spa.fl_str_mv |
https://revistascientificas.cuc.edu.co/CESTA/article/view/4502 |
| institution |
Corporación Universidad de la Costa |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/8e30f274-af99-4a29-a15a-4e65998a965b/download https://repositorio.cuc.edu.co/bitstreams/41123c68-bf58-4f41-b55c-c4d925824233/download https://repositorio.cuc.edu.co/bitstreams/8e41713c-ad5f-42ff-93e1-89ee341903f1/download https://repositorio.cuc.edu.co/bitstreams/a4b22042-14b7-429d-9a96-8cacbde761aa/download |
| bitstream.checksum.fl_str_mv |
ff24c3dca4d01e9c7d2ad00c11379560 2f9959eaf5b71fae44bbf9ec84150c7a 8cb5ee918d3ef1318cd07d9a56a48534 30f18253f9cb5db107d7d1b61e8dc9bf |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1811760664737218560 |
| spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)The author; licensee Universidad de la Costa - CUChttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Altuve, AbrahamColon Muñoz, Elias EnriqueNúñez Valdez, Edward RolandoMurillo, Luisblanquicett benavides, luis alfredoARRIETA RODRIGUEZ, EUGENIA LUZNUÑEZ, EDWARD ROLANDO2023-11-17T18:41:26Z2023-11-17T18:41:26Z2023-07-13A. Altuve, E. Colón, A. De la Rosa, L. Murillo, L. Blanquicett, E. Arrieta & E. Núñez, “Detección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo”, J. Comput. Electron. Sci.: Theory Appl., vol. 4, no. 1, pp. 41–62, 2023. https://doi. org/10.17981/cesta.04.01.2023.05https://hdl.handle.net/11323/1059310.17981/cesta.04.01.2023.052745-0090Corporación Universidad de la CostaREDICUC - Repositorio CUChttps://repositorio.cuc.edu.coIntroducción— La problemática a tratar en este trabajo es la detección de melanoma, el cual es uno de los distintos cánceres de piel que existen, el cual presenta una alta tasa de mortalidad. Objetivo— En este documento se presenta un proyecto de investigación en el área de Inteligencia Artificial cuyo objetivo es la detección de melanoma por medio del análisis de imágenes utilizando Deep Learning. Metodología— Inicialmente se aplican operaciones morfológicas sobre la imagen para dejar solo el objeto de interés. Luego esta imagen se ingresa a una red neuronal convolucional, la cual ha sido entrenada para la detección de melanomas. Resultados— La arquitectura de red convolucional propuesta presenta unos resultados aceptables en la métrica de accuracy para la identificación de melanoma maligno o benigno. Sin embargo, se propone realizar futuros experimentos que puedan mejorar estos resultados. Conclusiones— Gracias a las técnicas de Deep Learning con esta clase de herramientas se está ofreciendo un sistema muy poderoso y útil a la hora de determinar el diagnóstico de este tipo de enfermedades.Introduction— The problem to be addressed in this work is the detection of melanoma, which is one of the different skin cancers that exist, which has a high mortality rate. Objective— This document presents a research project in Artificial Intelligence whose objective is the detection of melanoma through image analysis using Deep Learning. Methodology— Initially, morphological operations are applied to the image to leave only the object of interest. This image is then fed into a convolutional neural network, which has been trained for melanoma detection. Results— The proposed convolutional network architecture presents acceptable results in the accuracy metric for the identification of malignant or bening melanoma. However, it is proposed to carry out future experiments that can improve these results. Conclusions— Thanks to Deep Learning techniques with this class of tools, a very powerful and useful system is being offered when it comes to determining the diagnosis of this type of disease.22 páginasapplication/pdfspaCorporación Universidad de la CostaBarranquillahttps://revistascientificas.cuc.edu.co/CESTA/article/view/4502Detección de melanoma en imágenes de lesiones cutáneas usando visión por computadora y aprendizaje profundo melanomaDetection in images of skin lesions using computer vision and deep learningArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85CESTA[1] M. Tapia, Comprender el cáncer: Conoce qué es el cáncer, por qué se produce y hasta qué punto se puede prevenir y curar. CHI, IL, USA: IPG, 2019.[2] Equipo de redactores y equipo de editores médicos de la ACS, “El diagnóstico temprano del cáncer salva vidas y reduce los costos de tratamiento”, ACS, noviembre 20, 2020. Disponible en https://www3.paho.org/hq/index.php?option=com_content&v iew=article&id=12946:early-cancer-diagnosis-saves-lives-cuts-treatment-costs&Itemid=0&lang=es#gsc.tab=0[3] Y. Ranchod & S. Frothingham, “The 13 Most Common Cancers with Statistics,” Healthline, March 7, 2019. Available: https:// www.healthline.com/health/most-common-cancers[4] A. Adegun & S. Viriri, “Deep Learning techniques for skin lesion analysis and melanoma cancer detection: a survey of stateof-the-art,” Art Intell Rev, vol. 54, no. 2, pp. 811–841, Jun. 2020. https://doi.org/10.1007/S10462-020-09865-y[5] Z. Hu, J. Tang, Z. Wang, K. Zhang, L. Zhang & Q. Sun, “Deep Learning for image-based cancer detection and diagnosis − A survey,” Pattern Recognit, vol. 83, pp. 134–149, Nov. 2018. https://doi.org/10.1016/J.PATCOG.2018.05.014[6] K. Munir, H. Elahi, A. Ayub, F. Frezza & A. Rizzi, “Cancer Diagnosis Using Deep Learning: A Bibliographic Review,” Cancers, vol. 11, no. 9, pp. 1–36, Aug. 2019. https://doi.org/10.3390/CANCERS11091235[7] H. Agudelo & M. Sarria, “Detección de cáncer de seno usando imágenes de histopatología y modelos de aprendizaje profundo pre-entrenados”, CESTA, vol. 2, no. 2, pp. 27–36, Dec. 2021. https://doi.org/10.17981/CESTA.02.02.2021.04[8] S. U. Khan, N. Islam, Z. Jan, I. Ud Din & J. J. P. C. Rodrigues, “A novel Deep Learning based framework for the detection and classification of breast cancer using transfer learning,” Pattern Recognit Lett, vol. 125, pp. 1–6, Jul. 2019. https://doi. org/10.1016/J.PATREC.2019.03.022[9] D. Ardila, A. P. Kiraly, S. Bharadwaj, B. Choi, J. J. Reicher, L. Peng, D. Tse, M. Etemadi, W. Ye, G. Corrado, D. P. Naidich & S. Shetty, “End-to-end lung cancer screening with three-dimensional Deep Learning on low-dose chest computed tomography,” Nat Med, vol. 25, no. 6, pp. 954–961, May. 2019. https://doi.org/10.1038/s41591-019-0447-x[10] F. Hernández-Pimentel, “A propósito del cáncer”, Rev Costarric Salud Pública, vol. 19, no. 2, pp. 67–69, Nov. 2010. Disponible en http://hdl.handle.net/20.500.11764/1255[11] INC Colombia, “Melanoma,” gov.co, 2018. Disponible en https://www.cancer.gov.co/conozca-sobre-cancer-1/informacion-sobrecancer-para-pacientes/tipos-cancer/melanoma[12] OMS, “Cáncer/ Prevención,” WHO, 12 jul. 2019. Disponible en https://www.who.int/cancer/prevention/es/[13] G. L. Wells, “Generalidades sobre el cáncer de piel”, MSD, Sept. 6, 2022. Disponible en https://www.msdmanuals.com/es/professional/trastornos-dermatológicos/cánceres-cutáneos/generalidades-sobre-el-cáncer-de-piel[14] Á. E. Acosta, E. Fierro, V. E. Velásquez & X. Rueda, “Melanoma: patogénesis, clínica e histopatología”, Rev Asoc Colomb de Dermatol, vol. 17, no. 2, pp. 87–108, Jun. 2009. Disponible en https://revista.asocolderma.org.co/index.php/asocolderma/article/view/156[15] I. Goodfellow, Y. Bengio, A. Courville & J. Heaton, “Ian Goodfellow, Yoshua Bengio, and Aaron Courville: Deep Learning,” Genet Program Evolvable Mach, vol. 19, no. 1, pp. 305–307, Oct. 2017. https://doi.org/10.1007/S10710-017-9314-Z[16] michaelbeale-IL, “Bringing Parallelism to the Web with River Trail,” GitHub, Nov 7, 2022. Available: http://intellabs.github. io/RiverTrail/tutorial/[17] MAYOCLINIC, “Cáncer de piel,” Fundación Mayo para la Educación y la Investigación Médicas, Dic. 6, 2022. Disponible en https://www.mayoclinic.org/es-es/diseases-conditions/skin-cancer/symptoms-causes/syc-20377605[18] AECC, “Cáncer de piel,” Asociación Española Contra el Cáncer, 2021. Disponible en https://www.aecc.es/es/todo-sobre-cancer/ tipos-cancer/cancer-piel[19] ACS, “What Is Melanoma Skin Cancer?,” ACS, Aug. 14, 2019. Available: https://www.cancer.org/cancer/melanoma-skin-cancer/about/what-is-melanoma.html[20] ACS, “¿Qué es el cáncer de piel tipo melanoma?,” ACS, Ago. 14, 2019. Disponible en https://www.cancer.org/es/cancer/cancerde-piel-tipo-melanoma/acerca/que-es-melanoma.html[21] INC Colombia, “Diagnóstico y tratamiento del cáncer en Colombia”, gov.co, Abril 9, 2021. Disponible en https://www.cancer. gov.co/centro-investigacion/lineas-investigacion/diagnostico-tratamiento-del-cancer-colombia[22] ISIC International, “The International Skin Imaging Collaboration,” ISIC, 2021. Available: https://www.isic-archive.com/[23] OpenCV, “Image Inpainting,” Open Source Computer Vision, Jul 10, 2023. Available: https://docs.opencv.org/master/df/d3d/ tutorial_py_inpainting.html[24] L. Bareiro, D. Leguizamón, D. Pinto-Roa, J. Vázquez & L. Salgueiro, “Computerized Medical Diagnosis of Melanocytic Lesions based on the ABCD approach,” CLEIej , vol 19, no. 2, pp. 5:1–5:22, Ago. 2016. https://doi.org/10.19153/cleiej.19.2.5[25] MathWorks, “Ajuste de contraste”, The MathWorks Inc, 2023. https://es.mathworks.com/help/images/contrast-adjustment.html[26] J. Scharcanski & M. Emre, Eds, Computer Vision Techniques for the Diagnosis of Skin Cancer. Verlag: Springer, 2013. https:// doi.org/10.1007/978-3-642-39608-3624114Deep learningLesiones cutáneasMelanomaProcesamiento de imágenesRedes neuronales convolucionalesDeep LearningSkin lesionsMelanomaImage processingConvolutional neural networksPublicationORIGINALDetección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo.pdfDetección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo.pdfArtículoapplication/pdf1555886https://repositorio.cuc.edu.co/bitstreams/8e30f274-af99-4a29-a15a-4e65998a965b/downloadff24c3dca4d01e9c7d2ad00c11379560MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://repositorio.cuc.edu.co/bitstreams/41123c68-bf58-4f41-b55c-c4d925824233/download2f9959eaf5b71fae44bbf9ec84150c7aMD52TEXTDetección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo.pdf.txtDetección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo.pdf.txtExtracted texttext/plain62376https://repositorio.cuc.edu.co/bitstreams/8e41713c-ad5f-42ff-93e1-89ee341903f1/download8cb5ee918d3ef1318cd07d9a56a48534MD53THUMBNAILDetección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo.pdf.jpgDetección de Melanoma en Imágenes de Lesiones Cutáneas usando Visión por Computadora y Aprendizaje Profundo.pdf.jpgGenerated Thumbnailimage/jpeg12862https://repositorio.cuc.edu.co/bitstreams/a4b22042-14b7-429d-9a96-8cacbde761aa/download30f18253f9cb5db107d7d1b61e8dc9bfMD5411323/10593oai:repositorio.cuc.edu.co:11323/105932024-09-16 16:37:34.081https://creativecommons.org/licenses/by-nc-nd/4.0/The author; licensee Universidad de la Costa - CUCopen.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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 |