Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías
ilustraciones, anexos
- Autores:
-
Pulgarin Sánchez, Santiago
Valencia Orozco, Sara Lucía
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Tecnológico de Antioquia
- Repositorio:
- Repositorio Tdea
- Idioma:
- spa
- OAI Identifier:
- oai:dspace.tdea.edu.co:tdea/1459
- Acceso en línea:
- https://dspace.tdea.edu.co/handle/tdea/1459
- Palabra clave:
- Inteligencia artificial
Cáncer
Mamas
Aprendizaje automático (Inteligencia artificial)
Mamografía
Aprendizaje profundo
- Rights
- openAccess
- License
- Tecnológico de Antioquia, Institución Universitaria, 2020
| id |
RepoTdea2_85f7f8529361f37c39824bf10a58a31e |
|---|---|
| oai_identifier_str |
oai:dspace.tdea.edu.co:tdea/1459 |
| network_acronym_str |
RepoTdea2 |
| network_name_str |
Repositorio Tdea |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías |
| title |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías |
| spellingShingle |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías Inteligencia artificial Cáncer Mamas Aprendizaje automático (Inteligencia artificial) Mamografía Aprendizaje profundo |
| title_short |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías |
| title_full |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías |
| title_fullStr |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías |
| title_full_unstemmed |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías |
| title_sort |
Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografías |
| dc.creator.fl_str_mv |
Pulgarin Sánchez, Santiago Valencia Orozco, Sara Lucía |
| dc.contributor.advisor.none.fl_str_mv |
Marín Morales, María Isabel Ahumada, Hernán |
| dc.contributor.author.none.fl_str_mv |
Pulgarin Sánchez, Santiago Valencia Orozco, Sara Lucía |
| dc.subject.lemb.none.fl_str_mv |
Inteligencia artificial Cáncer Mamas Aprendizaje automático (Inteligencia artificial) Mamografía |
| topic |
Inteligencia artificial Cáncer Mamas Aprendizaje automático (Inteligencia artificial) Mamografía Aprendizaje profundo |
| dc.subject.proposal.spa.fl_str_mv |
Aprendizaje profundo |
| description |
ilustraciones, anexos |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020-11-20 |
| dc.date.accessioned.none.fl_str_mv |
2021-06-30T21:29:42Z |
| dc.date.available.none.fl_str_mv |
2021-06-30T21:29:42Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://dspace.tdea.edu.co/handle/tdea/1459 |
| url |
https://dspace.tdea.edu.co/handle/tdea/1459 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Tecnológico de Antioquia, Institución Universitaria, 2020 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) |
| rights_invalid_str_mv |
Tecnológico de Antioquia, Institución Universitaria, 2020 https://creativecommons.org/licenses/by-nc/4.0/ Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
80 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Tecnológico de Antioquia, Institución Universitaria |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Ingenieria de Software |
| institution |
Tecnológico de Antioquia |
| bitstream.url.fl_str_mv |
https://dspace.tdea.edu.co/bitstream/tdea/1459/1/Analisis%20critico.pdf https://dspace.tdea.edu.co/bitstream/tdea/1459/2/Licencia%20Analisis%20critico.pdf https://dspace.tdea.edu.co/bitstream/tdea/1459/3/license.txt https://dspace.tdea.edu.co/bitstream/tdea/1459/4/Analisis%20critico.pdf.txt https://dspace.tdea.edu.co/bitstream/tdea/1459/6/Licencia%20Analisis%20critico.pdf.txt https://dspace.tdea.edu.co/bitstream/tdea/1459/5/Analisis%20critico.pdf.jpg https://dspace.tdea.edu.co/bitstream/tdea/1459/7/Licencia%20Analisis%20critico.pdf.jpg |
| bitstream.checksum.fl_str_mv |
e518fa3ca85c9348064d9607ba25b42d 18603e0d7e74517eb551260ed49408e3 2f9959eaf5b71fae44bbf9ec84150c7a 141d3daaa8fa276b05f9e72725752fdb 8edbf822096640561f0e6e64af7700ad 9e007d17bae6674558a147a2755b359a 60275d39e6076f2986f009d29692d5dc |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Tecnologico de Antioquia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1812189230560968704 |
| spelling |
Marín Morales, María Isabeld5a91bb5-2b95-49ac-9db4-ef06de568e0aAhumada, Hernán05122efb-ccff-4317-bb11-ced3fa06e011600Pulgarin Sánchez, Santiago5fd4114c-944f-4d2b-b912-79a4e57246d8Valencia Orozco, Sara Lucía6d65a26c-94d8-400f-9256-a7116e157b5e6002021-06-30T21:29:42Z2021-06-30T21:29:42Z2020-11-20https://dspace.tdea.edu.co/handle/tdea/1459ilustraciones, anexosLos avances en el campo de la informática han ayudado a simplificar tareas humanas. Uno de los procesos en los cuales se ha logrado mayor progreso es la inteligencia artificial (IA). Esta, le ofrece a la humanidad grandes beneficios y reducir los tiempos de los diagnósticos en la medicina. Una de las áreas beneficiadas por la IA es la detección temprana del cáncer de mama mediante las mamografías, la cual disminuye los tiempos de diagnóstico y errores humanos, utilizando técnicas como el aprendizaje profundo o el aprendizaje automático; los cuales evolucionan satisfactoriamente con el pasar de los años. Estas técnicas utilizan los datos para convertirlos en conocimientos, los cuales son procesados y analizados a través de métodos complejos. La IA busca que su impacto a futuro sea beneficioso y traiga consigo éxitos sin precedentes a la humanidad y al mismo tiempo logra reducir los índices de mortalidad en las mujeres que padecen dicha enfermedad.TABLA DE CONTENIDO DEDICATORIA ................................................................................................................ 2 AGRADECIMIENTOS ..................................................................................................... 3 RESUMEN ....................................................................................................................... 4 PALABRAS CLAVE ......................................................................................................... 4 TABLA DE CONTENIDO ................................................................................................. 5 ÍNDICE DE FIGURAS ..................................................................................................... 7 ÍNDICE DE TABLAS ........................................................................................................ 8 ABREVIATURAS ............................................................................................................. 9 1. INTRODUCCIÓN ................................................................................................... 10 2. MARCO DEL PROYECTO ..................................................................................... 11 2.1. DEFINICIÓN DEL PROBLEMA ........................................................................... 11 2.2. JUSTIFICACIÓN DEL PROBLEMA ..................................................................... 12 2.3. FORMULACIÓN DEL PROBLEMA ..................................................................... 14 2.4. MARCO CONTEXTUAL ...................................................................................... 14 2.5. ANTECEDENTES ................................................................................................ 16 2.6. HIPÓTESIS .......................................................................................................... 18 3. OBJETIVOS ........................................................................................................... 18 3.1. OBJETIVO GENERAL ......................................................................................... 18 3.2. OBJETIVOS ESPECÍFICOS................................................................................ 18 4. MARCO METODOLÓGICO ................................................................................... 19 4.1. DEFINICIÓN DE LA METODOLOGÍA ................................................................. 19 4.2. DEFINICIÓN DEL ALCANCE .............................................................................. 21 5. MARCO TEÓRICO – CONCEPTUAL .................................................................... 21 6. DESARROLLO DEL PROYECTO .......................................................................... 27 6.1 IDENTIFICAR LOS PRINCIPALES MODELOS PREDICTIVOS UTILIZADOS POR LAS TÉCNICAS DE INTELIGENCIA ARTIFICIAL EN LA PREDICCIÓN DEL CÁNCER DE MAMA A PARTIR DE MAMOGRAFÍAS, PARA LA OBTENCIÓN DE UNA VISIÓN GENERAL SOBRE LAS TENDENCIAS ACTUALES. ................................... 27 6.2 DEFINIR LOS CRITERIOS DE ANÁLISIS A LA LUZ DE LOS CUALES SE REVISARÁ CADA MODELO ..................................................................................... 32 6.3 CARACTERIZAR LOS MODELOS PREDICTIVOS UTILIZADOS POR LAS TÉCNICAS DE INTELIGENCIA ARTIFICIAL PARA LA PREDICCIÓN DEL CÁNCER DE MAMA QUE FUERON IDENTIFICADOS CON BASE A LOS CRITERIOS DE ANÁLISIS DEFINIDOS .............................................................................................. 34 6.4 ANALIZAR LOS RESULTADOS DE LA CARACTERIZACIÓN CON EL FIN DE ESTABLECER UNA POSICIÓN CRÍTICA SOBRE EL CONJUNTO DE TÉCNICAS REVISADAS. ............................................................................................................. 43 7. RESULTADOS Y DISCUSIÓN ............................................................................... 53 8. IMPACTO ESPERADO .......................................................................................... 54 9. CONCLUSIONES ................................................................................................... 54 10. RECOMENDACIONES FUTURAS ...................................................................... 55 REFERENCIAS ............................................................................................................. 56 Bibliografía ..................................................................................................................... 56 ANEXOS........................................................................................................................ 64 ÍNDICE DE FIGURAS Figura 1, The Systematic Mapping Process. Tomado de Systematic Mapping Studies in Software Engineering .................................................................................................... 20 Figura 2 Deep Learning o Aprendizaje Profundo. Tomado de Smart Panel. ................. 22 Figura 3 Las 7 Fases del Proceso de Machine Learning. Tomado de IA artificial ......... 23 Figura 4 Análisis gráfico del comportamiento de células normales y malignas. Tomado de Clasificación de Mamografías Mediante Redes Neuronales Convolucionales. ............. 25 Figura 5 Imágenes mamográficas con artefactos. Tomado de Diseño de Sistema Automatizado para Detección de Anomalías en Imágenes Digitales de Mama............. 25 Figura 6 Mamografía normal (izquierda) y mamografía con anomalía (derecha). Tomado de Clasificación de Mamografías Mediante Redes Neuronales Convolucionales ......... 25 Figura 7 Clasificación de los problemas según su complejidad. Tomado de Análisis de Algoritmos. ..................................................................................................................... 27 Figura 8 Proceso de Revisión Sistemática de Literatura ............................................... 28 Figura 9 Porcentaje de Trabajos ................................................................................... 30 Figura 10 Sensibilidad ................................................................................................... 30 Figura 11 Especificidad ................................................................................................. 31 Figura 12 Precisión Promedio (Exactitud) ..................................................................... 32 Figura 13 ejemplo de una red neuronal totalmente conectada. Tomado de Redes Neuronales: Conceptos Básicos y Aplicaciones. ........................................................... 35 Figura 14 Redes Convolucionales. Tomado de Clasificación de redes neuronales artificiales....................................................................................................................... 36 Figura 15 Redes Monocapa. Tomado de Clasificación de Redes Neuronales Artificiales ...................................................................................................................................... 36 Figura 16 Imagen Intuitiva de Deep Learning. Smart Panel .......................................... 39 Figura 17 Mamografía bilateral. A. Imagen nodular mal delimitada en UCS (Unión de Cuadrantes Superiores) de mama izquierda. Tomado de Introducción del CAD en un Programa de Detección Precoz de Cáncer de Mama. .................................................. 41 Figura 18 Mamografía Bilateral. B. El CAD marca correctamente el tumor en las dos proyecciones, se muestra carcinoma ductal infiltrante de 11mm. Tomado de Introducción del CAD en un Programa de Detección Precoz de Cáncer de Mama. .......................... 41 Figura 19 Arquitectura CAD. Tomado de Herramienta para la Detección Automática de Patologías en Radiografías de Tórax usando Visión por Computador .......................... 41 Figura 20 Etapas del Trabajo con Imágenes Mamográficas Realizado por un Sistema CAD. Tomado de Introducción del CAD en un Programa de Detección Precoz de Cáncer de Mama........................................................................................................................ 42 Figura 21 Ejemplo de una red bayesiana. Los nodos representan variables aleatorias y los arcos relaciones de dependencia. Tomado de Redes Bayesianas. ......................... 4 ÍNDICE DE TABLAS Tabla 1 Resultados Sensibilidad ................................................................................... 30 Tabla 2 Resultados Especificidad .................................................................................. 31 Tabla 3 Resultados Exactitud ........................................................................................ 32 Tabla 4 Criterios de Análisis .......................................................................................... 33 Tabla 5 Principios de las Redes Neuronales. Tomado de Principios y características de las redes neuronales artificiales. ................................................................................... 37 Tabla 6 Criterio de Evaluación. Redes Neuronales ....................................................... 43 Tabla 7 Criterio de Evaluación. CAD ............................................................................. 44 Tabla 8 Criterio de Evaluación. Machine Learning (Aprendizaje Automático) ............... 46 Tabla 9 Criterio de Evaluación. Deep Learning (Aprendizaje Profundo) ....................... 48 Tabla 10 Criterio de Evaluación. Sistema Bayesiano .................................................... 49PregradoIngeniero(a) de Software80 páginasapplication/pdfspaTecnológico de Antioquia, Institución UniversitariaFacultad de IngenieríaIngenieria de SoftwareTecnológico de Antioquia, Institución Universitaria, 2020https://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)http://purl.org/coar/access_right/c_abf2Análisis crítico de las técnicas de inteligencia artificial más utilizadas en la predicción del cáncer de mama a partir de mamografíasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inteligencia artificialCáncerMamasAprendizaje automático (Inteligencia artificial)MamografíaAprendizaje profundoAdam Conner-Simons, R. G. (05 de 2019). MIT. Obtenido de MIT on Campus Around the World: https://news.mit.edu/2019/using-ai-predict-breast-cancer-and-personalize-care-0507Alandete, D. (27 de 10 de 2011). El País. Obtenido de El País: https://elpais.com/diario/2011/10/27/necrologicas/1319666402_850215.htmlAlcalá, U. d. (2020). Universidad de Alcalá. Obtenido de Importancia del Deep Learning: https://master-deeplearning.com/importancia-del-deep-learning/Alejandro Díaz Sotolongo, D. B. (13 de 08 de 2013). 3ciencias. Obtenido de Combinación de Técnicas de Procesamiento Digital de Imágenes de Intligencia Artificial Para el Análisis de Imágenes de Mamografía: https://www.3ciencias.com/wp-content/uploads/2013/08/Combinaci%C3%B3n-de-t%C3%A9cnicas-de-PDI-e-IA-para-el-an%C3%A1lisis-de-im%C3%A1genes-de-mamograf%C3%ADa.pdfAlonso, M. A. (01 de 2012). medwave. Obtenido de Fundamentos del análisis crítico: concepto de validez y condiciones básicas para el análisis: https://www.medwave.cl/link.cgi/Medwave/Series/MBE03/5293#:~:text=El%20an%C3%A1lisis%20cr%C3%ADtico%20de%20la,sea%20por%20sesgo%20o%20confusi%C3%B3n.Alonso, M. A. (01 de 2012). Medwave. Obtenido de Fundamentos del análisis crítico: concepto de validez y condiciones básicas para el análisis: https://www.medwave.cl/link.cgi/Medwave/Series/MBE03/5293#:~:text=El%20an%C3%A1lisis%20cr%C3%ADtico%20de%20la,sea%20por%20sesgo%20o%20confusi%C3%B3n.Alonso, M. A. (01 de 2012). Medwave. Obtenido de Fundamentos del análisis crítico: concepto de validez y condiciones básicas para el análisis: https://www.medwave.cl/link.cgi/Medwave/Series/MBE03/5293#:~:text=El%20an%C3%A1lisis%20cr%C3%ADtico%20de%20la,sea%20por%20sesgo%20o%20confusi%C3%B3n.Alvarez, J. R. (09 de 2011). Universidad Autónoma de Madrid. Obtenido de Introducción a las Redes Bayesianas: https://repositorio.uam.es/bitstream/handle/10486/12527/60689_Reguero_Alvarez_Jaime.pdf?sequence=1Arimetrics. (12 de 11 de 2020). https://www.arimetrics.com/glosario-digital/modelo-predictivo. Obtenido de https://www.arimetrics.com/glosario-digital/modelo-predictivo: https://www.arimetrics.com/glosario-digital/modelo-predictivoAsco, A. S. (10 de 2018). Cancer.Net. Obtenido de Cancer.Net: https://www.cancer.net/es/tipos-de-c%C3%A1ncer/c%C3%A1ncer-de-mama/s%C3%ADntomas-y-signosBanafa, A. (07 de 08 de 2016). OpenMind BBVA. Obtenido de OpenMind BBVA: https://www.bbvaopenmind.com/tecnologia/mundo-digital/que-es-el-aprendijaze-profundo/#:~:text=Siendo%20una%20subcategor%C3%ADa%20del%20aprendizaje,el%20procesamiento%20del%20lenguaje%20naturalBarbara Kitchenham, S. C. (2 de 04 de 2007). scienceopen.com. Obtenido de scienceopen.com: https://www.scienceopen.com/hosted-document?doi=10.14236/ewic/EASE2007.7Bracero, F. (01 de 04 de 2020). lavanguardia. Obtenido de Una IA de Google promete detectar el cáncer de mama mejor que los médicos: https://www.lavanguardia.com/vida/20200104/472683337686/pruebas-cancer-mama-inteligencia-artificial-estudio-google.htmlCalvo, D. (20 de 07 de 2017). Red Neuronal Convolucional CNN. Obtenido de Red Neuronal Convolucional CNN: https://www.diegocalvo.es/red-neuronal-convolucional/Calvo, D. (09 de 12 de 2018). Red Neuronal Recurrente – RNN. Obtenido de Red Neuronal Recurrente – RNN: https://www.diegocalvo.es/red-neuronal-recurrente/Cancerología, I. N. (07 de 2012). Instituto Nacional de Cancerología . Obtenido de Instituto Nacional de Cancerología : https://www.cancer.gov.co/files/libros/archivos/95685f345e64aa9f0fece8a589b5acc3_BOLETIN%20HECHOS%20Y%20ACCIONES%20MAMA.PDCarrizo, D., & Moller, C. (2018). SCIELO. Obtenido de SCIELO: https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0718-33052018000500045Castelló, X. B. (2016). Universitat de Barcelona. Obtenido de Introducción del CAD en un Programa de Detección Precoz de Cáncer de Mama: http://diposit.ub.edu/dspace/bitstream/2445/126209/1/XBC_TESIS.pdfCastrillón, O. D., Castaño, E., & Castillo, L. F. (03 de 08 de 2017). Scielo. Obtenido de Sistema Predictivo Bayesiano para Detección del Cáncer de Mama: Análisis Crítico de las Técnicas de Inteligencia Artificial más Utilizadas en la Predicción del Cáncer de Mama a partir de Mamografías Tecnológico de Antioquia – Institución Universitaria Página 58 https://scielo.conicyt.cl/scielo.php?pid=S0718-07642018000300257&script=sci_arttext&tlng=enCeja, A. (09 de 06 de 2020). Neoland. Obtenido de Machine Learning vs Deep Learning: https://www.neoland.es/blog/machine-learning-vs-deep-learningClaudia Asenjo-Lobos, C. M. (18 de 06 de 2014). Scielo. Obtenido de Análisis Crítico de la Literatura: https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0717-95022014000300Colombia, C. d. (19 de 04 de 2010). Instituto Nacional de Salud. Obtenido de Instituto Nacional de Salud: https://www.ins.gov.co/Normatividad/Leyes/LEY%201384%20DE%202010.pdfColombia, C. d. (19 de 01 de 2011). Minsalud. Obtenido de Minsalud: https://www.minsalud.gov.co/Normatividad_Nuevo/LEY%201438%20DE%202011.pdfConner-Simons, A. (16 de 10 de 2017). MIT News. Obtenido de MIT News: http://news.mit.edu/2017/artificial-intelligence-early-breast-cancer-detection-1017Cornieles, P. (11 de 12 de 2018). IALATAM. Obtenido de Tres Aplicaciones de la Inteligencia Artificial en la Salud: https://ia-latam.com/2018/12/11/3-aplicaciones-de-la-inteligencia-artificial-en-la-salud/Cyntia Lisbeth Gamarra Condo, Y. V. (03 de 2019). Repositorio Autónoma. Obtenido de Autónoma Universidad Autónoma del Perú: http://repositorio.autonoma.edu.pe/bitstream/AUTONOMA/954/3/Gamarra%20Condo%20y%20Santos%20Melo.pdfDigital, M. (28 de 06 de 2019). Milenio. Obtenido de MIT desarrolla modelo para predecir cáncer de mama 5 años antes de que se presente: https://www.milenio.com/ciencia-y-salud/cancer-mama-tecnica-predice-enfermedad-5-anos-presentarseDr. José Luis Herrera Salazar, G. C. (03 de 2019). Repositorio de la Universidad Autónoma del Perú. Obtenido de Autónoma Universidad Autónoma del Perú: http://repositorio.autonoma.edu.pe/handle/AUTONOMA/954Edgar Serna M, A. S. (09 de 2017). ResearchGate. Obtenido de Principios y características de las redes neuronales artificiales: https://www.researchgate.net/publication/331498946_Principios_y_caracteristicas_de_las_redes_neuronales_artificialesEl Universal de México. (06 de Septiembre de 2015). IPN ayuda a detectar el cáncer de mama. Ciencia y salud, pág. 12.Enfermedades, C. C. (11 de 09 de 2018). CDC Centro para el Control y la Prevención de Enfermedades. Obtenido de CDC Centro para el Control y la Prevención de Enfermedades: https://www.cdc.gov/spanish/cancer/breast/basic_info/what-is-breast-cancer.htmEnterprise, H. P. (2020). Hewlett Packard Enterprise. Obtenido de Hewlett Packard Enterprise: https://www.hpe.com/lamerica/es/what-is/machine-learning.html#:~:text=El%20aprendizaje%20autom%C3%A1tico%20se%20refiere,sido%20programados%20espec%C3%ADficamente%20para%20ello.Esquirol, G. O. (2015). Futuro de la enseñanza médica: inteligencia artificial y big data. Obtenido de Scielo: http://scielo.isciii.es/pdf/fem/v18s1/09_comunicacion-ganadora.pdfGea, J. M. (09 de 2009). Researchgate Net. Obtenido de Universidad de Murcia: https://www.researchgate.net/publication/325645025_Herramienta_para_la_Deteccion_Automatica_de_Patologias_en_Radiografias_de_Torax_usando_Vision_por_ComputadorGonzalo, Á. (10 de 05 de 2018). Machine Learning Para Todos. Obtenido de Machine Learning Para Todos: https://machinelearningparatodos.com/problemas-comunes-en-aprendizaje-automatico/Goya, C. (06 de 2019). Business Insider. Obtenido de Investigadores del MIT crean una IA que puede predecir el riesgo de padecer cáncer de mama con 5 años de antelación: https://www.businessinsider.es/mit-ha-creado-ia-podria-predecir-casos-cancer-mama-442713Heras, J. M. (19 de 09 de 2020). IA Artificial. Obtenido de IA Artificial: https://www.iartificial.net/fases-del-proceso-de-machine-learning/https://developers.google.com/. (12 de Noviembre de 2020). https://developers.google.com/machine-learning/crash-course/classification/true-false-positive-negative?hl=es-419. Obtenido de https://developers.google.com/machine-learning/crash-course/classification/true-false-positive-negative?hl=es-419: https://developers.google.com/machine-learning/crash-course/classification/true-false-positive-negative?hl=es-419Ingino, C. (10 de 2019). Innovación e Inteligencia Artificial en Medicina . Obtenido de Innovación e Inteligencia Artificial en Medicina : https://philpapers.org/archive/INGIEI-2.pdfIngino, E. B. (10 de 2019). Innovación e Inteligencia Artificial en Medicina. Obtenido de Philpapers.: https://philpapers.org/archive/INGIEI-2.pdfInstituto Nacional de Cancerología . (07 de 2012). Instituto Nacional de Cancerología . Obtenido de Instituto Nacional de Cancerología : https://www.cancer.gov.co/files/libros/archivos/95685f345e64aa9f0fece8a589b5acc3_BOLETIN%20HECHOS%20Y%20ACCIONES%20MAMA.PDFJuarez, G. (24 de 05 de 2017). Nexolution. Obtenido de Cómo funciona el aprendizaje automático (machine learning): http://www.nexolution.com/como-funciona-el-aprendizaje-automatico-machine-learning/Julián Pérez Porto, M. M. (12 de Noviembre de 2020). https://definicion.de/sensibilidad/. Obtenido de https://definicion.de/sensibilidad/: https://definicion.de/sensibilidad/Kai Petersen, R. F. (06 de 2008). Systematic Mapping Studies in Software Engineering. Obtenido de Systematic Mapping Studies in Software Engineering: https://www.researchgate.net/publication/228350426_Systematic_Mapping_Studies_in_Software_EngineeringKai Petersen, R. F. (06 de 2008). The Systematic Mapping Process. Obtenido de https://www.researchgate.net/publication/228350426_Systematic_Mapping_Studies_in_Software_EngineeringKuiava, V. A., Kuiava, E. L., Rodríguez, R., Beck, A. E., Rodríguez, J. P., & Chielle, E. O. (20 de 12 de 2019). JBPML Brazilian Journal of Pathology and Laboratory Medicine. Obtenido de Método de diagnóstico histopatológico de los nódulos mamarios mediante el algoritmo de aprendizaje profundo: http://www.jbpml.org.br/detalhes/539/metodo-de-diagnostico-histopatologico-de-nodulos-mamarios-por-meio-do-algoritmo-de-aprendizagem-profundaLozano, M. R. (02 de 2011). Universidad del Rosario. Obtenido de El Papel de las Redes Bayesianas en la Toma de Decisiones: https://www.urosario.edu.co/Administracion/documentos/investigacion/laboratorio/miller_2_3.pdfMaestre, M. L. (2019). Estudio del uso de Redes Neuronales Artificiales como herramienta para detectar el cáncer de ano. Obtenido de Estudio del uso de Redes Neuronales Artificiales como herramienta para detectar el cáncer de ano: https://idus.us.es/bitstream/handle/11441/94475/TFG-2726-LAZO%20MAESTRE.pdf?sequence=1&isAllowed=yMatich, D. J. (03 de 2001). Universidad Tecnológica Nacional – Facultad Regional Rosario . Obtenido de Redes Neuronales: Conceptos Básicos y Aplicaciones: https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdfMayer McKinney, S., Marcin T. , S., Godbole, V., & Godwin, J. (01 de Enero de 2020). International evaluation of an AI system for breast cancer screening. Obtenido de https://www.nature.com/articles/s41586-019-1799-6MindOpen, B. (04 de 2018). OpenMind BBVA. Obtenido de El impacto de la Inteligencia Artificial en la asistencia sanitaria: https://www.bbvaopenmind.com/tecnologia/mundo-digital/el-impacto-de-la-inteligencia-artificial-en-la-asistencia-sanitaria/Omar D. Castrillón, E. C. (03 de 08 de 2017). Scielo. Obtenido de Sistema Predictivo Bayesiano para Detección del Cáncer de Mama: https://scielo.conicyt.cl/scielo.php?pid=S0718-07642018000300257&script=sci_arttext&tlng=enOrganization, W. H. (2018). World Health Organization - WHO. Obtenido de World Health Organization: https://www.who.int/topics/cancer/breastcancer/es/index1.htmlOrtega, L. C. (18 de 12 de 2003). Catarina. Obtenido de Catarina : http://catarina.udlap.mx/u_dl_a/tales/documentos/lis/contreras_o_l/capitulo2.pdfOrtiz, H. (19 de 10 de 2018). El Tiempo. Obtenido de Aumentan casos de mujeres jóvenes con cáncer de seno en Antioquia: https://www.eltiempo.com/colombia/medellin/cada-vez-hay-mas-mujeres-jovenes-diagnosticadas-con-cancer-de-seno-en-antioquia-282972PFS Tech. (27 de Diciembre de 2018). https://pfstech.es/fases-para-construir-un-modelo-predictivo-de-ia/. Obtenido de https://pfstech.es/fases-para-construir-un-modelo-predictivo-de-ia/: https://pfstech.es/fases-para-construir-un-modelo-predictivo-de-ia/Reyes, L. (2014). Inteligencia artificial para asistir el diagnóstico clínico en medicina. Revista Alergia México, 110-112.Robles Fajardo, J. B. (03 de 06 de 2020). Universidad Distrital Franciso José de Caldas. Obtenido de Repositorio Institucional Universidad Distrital: http://repository.udistrital.edu.co/handle/11349/25070Robles, S. C., & Galanis, E. (2 de 12 de 2002). Revista Panamericana de Salud Pública. Obtenido de Scielo Salud Pública: https://scielosp.org/pdf/rpsp/v12n2/11622.pdfRodríguez, L. (12 de Noviembre de 2020). https://lizardorodriguez.wordpress.com/unidad-2/clasificacion-de-problemas/. Obtenido de https://lizardorodriguez.wordpress.com/unidad-2/clasificacion-de-problemas/: https://lizardorodriguez.wordpress.com/unidad-2/clasificacion-de-problemas/Romero Bersoza, M. A. (17 de 03 de 2017). Implementación de dos arquitecturas de redes neuronales para la clasificación de cáncer de mamas. Obtenido de Implementación de dos arquitecturas de redes neuronales para la clasificación de cáncer de mamas: http://192.188.52.94/bitstream/3317/7801/1/T-UCSG-PRE-TEC-ITEL-197.pdfRuiz, F. E. (2003). Inteligencia Artificial Modelos, Técnicas y Áreas de Aplicación. En F. E. Ruiz, Inteligencia Artificial Modelos, Técnicas y Áreas de Aplicación. España: Thomson.Russell, S. J. (1995). Artificial Intelligence A Modern Approach. Obtenido de Artificial Intelligence A Modern Approach: https://people.eecs.berkeley.edu/~russell/intro.htmlSalcedo, L. O., Guerrero Zuñiga, A. P., & Delvasto Arjona, S. (12 de 2012). Cuaderno ACTIVA. Obtenido de Cuaderno ACTIVA: https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/33/30Salud CCM. (12 de Noviembre de 2020). https://salud.ccm.net/faq/17713-sensibilidad-y-especificidad-definicion. Obtenido de https://salud.ccm.net/faq/17713-sensibilidad-y-especificidad-definicion: https://salud.ccm.net/faq/17713-sensibilidad-y-especificidad-definicionSaura, J. R., Reyes-Menendez, A., & Palos-Sánchez, P. (01 de 06 de 2018). Revista Espacios. Obtenido de Revista Espacios: http://www.revistaespacios.com/a18v39n42/18394216.htmlSignificados. (12 de Noviembre de 2020). https://www.significados.com/exactitud/. Obtenido de https://www.significados.com/exactitud/: https://www.significados.com/exactitud/SmartPanel. (10 de 04 de 2018). SmartPanel. Obtenido de SmartPanel: https://www.smartpanel.com/que-es-deep-learningSmartPanel. (10 de 04 de 2018). SmartPanel. Obtenido de Que es el Deep Learning: https://www.smartpanel.com/que-es-deep-learning/Social, M. d. (29 de 12 de 2012). Ministerio de Salud y Protección Social. Obtenido de Ministerio de Salud y Protección Social: https://www.minsalud.gov.co/Normatividad_Nuevo/Resoluci%C3%B3n%204496%20de%202012.pdfSucar, L. E. (2015). ccc.inaoep.mx. Obtenido de Redes Bayesianas: https://ccc.inaoep.mx/~esucar/Clases-mgp/caprb.pdfTakeyas, B. L. (2007). Instituto Tecnológico de Nuevo Laredo. Obtenido de Instituto Tecnológico de Nuevo Laredo: http://www.itnuevolaredo.edu.mx/takeyas/Articulos/Inteligencia%20Artificial/ARTICULO%20Introduccion%20a%20la%20Inteligencia%20Artificial.pdfVanguardia, L. (27 de 06 de 2018). La Vanguardia. Obtenido de https://www.lavanguardia.com/historiayvida/historia-contemporanea/20180611/47312986353/que-aporto-a-la-ciencia-alan-turing.html#:~:text=Lo%20computable%20era%20todo%20aquello,es%20decir%2C%20sin%20soluci%C3%B3n%20algor%C3%ADtmicaVillanueva, L. M. (17 de 07 de 2018). Universidad Nacional de Colombia - UN Periódico Diigtal . Obtenido de Universidad Nacional de Colombia - UN Periódico Diigtal : https://unperiodico.unal.edu.co/pages/detail/inteligencia-artificial-reduce-tiempo-para-diagnosticar-cancer-de-seno/World Health Organization. (Octubre de 2013). World Health Organization, International Agency for Research on Cancer. Obtenido de OPS: https://www.paho.org/hq/index.php?option=com_content&view=article&id=5041:2011-breast-cancer&Itemid=3639&lang=esYu., L. D. (2014). sci2s. Obtenido de Universidad de Granada: https://sci2s.ugr.es/sites/default/files/files/Teaching/GraduatesCourses/SIGE/Tema06-Deep-learning.pdfORIGINALAnalisis critico.pdfAnalisis critico.pdfTrabajo de gradoapplication/pdf1529669https://dspace.tdea.edu.co/bitstream/tdea/1459/1/Analisis%20critico.pdfe518fa3ca85c9348064d9607ba25b42dMD51open accessLicencia Analisis critico.pdfLicencia Analisis critico.pdfLicenciaapplication/pdf76082https://dspace.tdea.edu.co/bitstream/tdea/1459/2/Licencia%20Analisis%20critico.pdf18603e0d7e74517eb551260ed49408e3MD52open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://dspace.tdea.edu.co/bitstream/tdea/1459/3/license.txt2f9959eaf5b71fae44bbf9ec84150c7aMD53open accessTEXTAnalisis critico.pdf.txtAnalisis critico.pdf.txtExtracted texttext/plain152721https://dspace.tdea.edu.co/bitstream/tdea/1459/4/Analisis%20critico.pdf.txt141d3daaa8fa276b05f9e72725752fdbMD54open accessLicencia Analisis critico.pdf.txtLicencia Analisis critico.pdf.txtExtracted texttext/plain4612https://dspace.tdea.edu.co/bitstream/tdea/1459/6/Licencia%20Analisis%20critico.pdf.txt8edbf822096640561f0e6e64af7700adMD56open accessTHUMBNAILAnalisis critico.pdf.jpgAnalisis critico.pdf.jpgGenerated Thumbnailimage/jpeg7676https://dspace.tdea.edu.co/bitstream/tdea/1459/5/Analisis%20critico.pdf.jpg9e007d17bae6674558a147a2755b359aMD55open accessLicencia Analisis critico.pdf.jpgLicencia Analisis critico.pdf.jpgGenerated Thumbnailimage/jpeg15413https://dspace.tdea.edu.co/bitstream/tdea/1459/7/Licencia%20Analisis%20critico.pdf.jpg60275d39e6076f2986f009d29692d5dcMD57open accesstdea/1459oai:dspace.tdea.edu.co:tdea/14592022-01-31 03:50:25.296An error occurred on the license name.|||https://creativecommons.org/licenses/by-nc/4.0/open accessRepositorio Institucional Tecnologico de Antioquiabdigital@metabiblioteca.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 |