Clasificación de cáncer cervical usando redes neuronales convolucionales, transferencia de aprendizaje y aumento de datos

El cáncer cervical se forma en las células que revisten el cuello uterino y la parte inferior del útero. Debido a razones de costo y baja oferta de servicios destinados a la detección de este tipo de cáncer, muchas mujeres no tienen acceso a un diagnóstico pronto y preciso, ocasionando un inicio tardío del tratamiento. Para dar solución a este problema se implementó una metodología que clasifica de manera automática el tipo de cáncer cervical, entre leve (Tipo 1 y 2) y agresivo (Tipo 3), utilizando técnicas de procesamiento digital de imágenes y aprendizaje profundo. Se trabajó en la construcción de un modelo computacional con base en redes neuronales convolucionales, transferencia de aprendizaje y aumento de datos, obteniendo precisiones de clasificación de hasta 97,35% sobre los datos de validación, asegurando la confiabilidad de los resultados. Con este trabajo se demostró que el diseño propuesto puede ser usado como un complemento para mejorar la eficiencia de las herramientas del diagnóstico asistido del cáncer.

• Autores: Bravo Ortíz, Mario Alejandro; Arteaga Arteaga, Harold Brayan; Tabares Soto, Reinel; Padilla Buriticá, Jorge Iván; Orozco-Arias, Simon
• Tipo de recurso: Article of journal
• Fecha de publicación: 2020
• Institución: Universidad EIA .
• Repositorio: Repositorio EIA .
• Idioma: spa
• OAI Identifier: oai:repository.eia.edu.co:11190/5132
• Acceso en línea: https://repository.eia.edu.co/handle/11190/5132; https://doi.org/10.24050/reia.v18i35.1462
• Palabra clave: Aumento de datos; Cáncer cervical; Redes neuronales convolucionales; Transferencia de aprendizaje; data augmentation; cervical cancer; convolutional neural networks; transfer learning
• Rights: openAccess
• License: Revista EIA - 2020