Clasificación de imágenes diagnósticas del cáncer de mama por medio de redes neuronales convolucionales

Este estudio aborda una asimetría significativa en la educación de los profesionales médicos responsables de la detección del cáncer de mama por imágenes en comparación con el creciente número de nuevos casos en Colombia. La desproporcionada carga de trabajo resultante para estos médicos restringe el acceso a diagnósticos oportunos, llevando a la pérdida de beneficios cruciales asociados con la detección temprana. Haciendo hincapié en la importancia de mejorar el proceso de diagnóstico, esta investigación pretende clasificar a los individuos como sanos o enfermos, lo que permitiría tomar las medidas adecuadas en función de los estadios del cáncer. Sin embargo, la lentitud de la formación de médicos expertos en la clasificación de pacientes plantea dificultades para seguir el ritmo de la creciente población que requiere evaluación. La implantación de un sistema de diagnóstico capaz puede ampliar el acceso a las ventajas de la detección precoz del cáncer. La aplicación propuesta ofrece a los médicos una herramienta para delegar tareas en personal médico menos especializado, lo que aumenta la cobertura. No obstante, no sustituye el trabajo de los médicos, dadas las tasas de error desconocidas. El proyecto también pretende concienciar sobre el potencial de la IA en la educación y la sanidad en Colombia. El próximo prototipo consiste en construir una red neuronal desde cero utilizando Python, incluyendo una relación entre modelos para entrenar y probar la clasificación de imágenes.

• Autores: Argumero Contreras, Daniel Felipe; Moreno Rojas , Carlos Alfredo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/93370
• Acceso en línea: http://hdl.handle.net/11349/93370
• Palabra clave: Cancer de mama; Convolución; Inteligencia artificial; Python; Clasificación de imagenes; Tecnología en Sistematización de Datos -- Tesis y disertaciones académicas; Imágenes diagnósticas; Cáncer de mama -- Diagnóstico; Mejoramiento de procesos; Breast cancer; Convolution; Python; Images clasification; Artificial intelligence
• License: Abierto (Texto Completo)