Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital
La histopatología es área fundamental de la medicina que se ocupa del estudio de las enfermedades a través de la observación microscópica de tejidos y células. Utilizando técnicas de tinción y análisis microscópico, los histopatólogos examinan muestras de tejido obtenidas mediante biopsias, autopsia...
- Autores:
-
Camacho Torres, Julián Camilo
Díaz Gutiérrez, Juan Sebastián
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/42417
- Palabra clave:
- Aprendizaje profundo
patología digital
segmentación no supervisada
Deep Learning
digital pathology
unsupervised segmentation
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
| id |
UISANTADR2_ea55b2ba55de3635221dcd251c68bced |
|---|---|
| oai_identifier_str |
oai:noesis.uis.edu.co:20.500.14071/42417 |
| network_acronym_str |
UISANTADR2 |
| network_name_str |
Repositorio UIS |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital |
| dc.title.english.none.fl_str_mv |
Deep learning strategy for unsupervised segmentation in digital pathology |
| title |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital |
| spellingShingle |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital Aprendizaje profundo patología digital segmentación no supervisada Deep Learning digital pathology unsupervised segmentation |
| title_short |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital |
| title_full |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital |
| title_fullStr |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital |
| title_full_unstemmed |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital |
| title_sort |
Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital |
| dc.creator.fl_str_mv |
Camacho Torres, Julián Camilo Díaz Gutiérrez, Juan Sebastián |
| dc.contributor.advisor.none.fl_str_mv |
Romo Bucheli, David Edmundo |
| dc.contributor.author.none.fl_str_mv |
Camacho Torres, Julián Camilo Díaz Gutiérrez, Juan Sebastián |
| dc.contributor.evaluator.none.fl_str_mv |
Moreno Tarazona, Alejandra Martínez Carrillo, Fabio |
| dc.subject.none.fl_str_mv |
Aprendizaje profundo patología digital segmentación no supervisada |
| topic |
Aprendizaje profundo patología digital segmentación no supervisada Deep Learning digital pathology unsupervised segmentation |
| dc.subject.keyword.none.fl_str_mv |
Deep Learning digital pathology unsupervised segmentation |
| description |
La histopatología es área fundamental de la medicina que se ocupa del estudio de las enfermedades a través de la observación microscópica de tejidos y células. Utilizando técnicas de tinción y análisis microscópico, los histopatólogos examinan muestras de tejido obtenidas mediante biopsias, autopsias o cirugías para identificar y diagnosticar enfermedades. Por otro lado, la inteligencia artificial (IA) ha demostrado ser una herramienta valiosa en el campo de la histopatología al mejorar la precisión y eficiencia en el análisis de muestras de tejido. Mediante algoritmos de aprendizaje automático, la IA puede ayudar en la detección y clasificación de células y estructuras patológicas, permitiendo una identificación más rápida y precisa de enfermedades. Con este trabajo, esperamos explorar la capacidad de generalización y robustez de una representación obtenida a través de modelos de segmentación no supervisada en el área de la histopatología. Esta técnica puede mejorar el tiempo en el diagnóstico de los pacientes debido a que los métodos no supervisados no requieren de etiquetas para generar una representación que tiene potencialmente una mejor generalización. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-05-17T13:25:25Z |
| dc.date.available.none.fl_str_mv |
2024-05-17T13:25:25Z |
| dc.date.created.none.fl_str_mv |
2024-05-09 |
| dc.date.issued.none.fl_str_mv |
2024-05-09 |
| dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.hasversion.none.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://noesis.uis.edu.co/handle/20.500.14071/42417 |
| dc.identifier.instname.none.fl_str_mv |
Universidad Industrial de Santander |
| dc.identifier.reponame.none.fl_str_mv |
Universidad Industrial de Santander |
| dc.identifier.repourl.none.fl_str_mv |
https://noesis.uis.edu.co |
| url |
https://noesis.uis.edu.co/handle/20.500.14071/42417 https://noesis.uis.edu.co |
| identifier_str_mv |
Universidad Industrial de Santander |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO) |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO) http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Industrial de Santander |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeníerias Fisicomecánicas |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas |
| dc.publisher.school.none.fl_str_mv |
Escuela de Ingeniería de Sistemas e Informática |
| publisher.none.fl_str_mv |
Universidad Industrial de Santander |
| institution |
Universidad Industrial de Santander |
| bitstream.url.fl_str_mv |
https://noesis.uis.edu.co/bitstreams/65cdf0ab-2183-46b8-9f2e-29b935c4f698/download https://noesis.uis.edu.co/bitstreams/74a954f0-20e6-42e2-91ed-3e4dab4eaf09/download https://noesis.uis.edu.co/bitstreams/4901ec7e-67a5-425d-ade6-745ea7f8a78d/download https://noesis.uis.edu.co/bitstreams/8ff73e85-2265-4c6a-aec9-f01dad3f3735/download |
| bitstream.checksum.fl_str_mv |
56406185a9106c2fd440c9828c8307c9 7f8e33fe6d5c3b26876a51b748adb644 4f9016e0c2f5c046cfa9e686ab90535e d6298274a8378d319ac744759540b71b |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
DSpace at UIS |
| repository.mail.fl_str_mv |
noesis@uis.edu.co |
| _version_ |
1814095236573429760 |
| spelling |
Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Romo Bucheli, David EdmundoCamacho Torres, Julián CamiloDíaz Gutiérrez, Juan SebastiánMoreno Tarazona, AlejandraMartínez Carrillo, Fabio2024-05-17T13:25:25Z2024-05-17T13:25:25Z2024-05-092024-05-09https://noesis.uis.edu.co/handle/20.500.14071/42417Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coLa histopatología es área fundamental de la medicina que se ocupa del estudio de las enfermedades a través de la observación microscópica de tejidos y células. Utilizando técnicas de tinción y análisis microscópico, los histopatólogos examinan muestras de tejido obtenidas mediante biopsias, autopsias o cirugías para identificar y diagnosticar enfermedades. Por otro lado, la inteligencia artificial (IA) ha demostrado ser una herramienta valiosa en el campo de la histopatología al mejorar la precisión y eficiencia en el análisis de muestras de tejido. Mediante algoritmos de aprendizaje automático, la IA puede ayudar en la detección y clasificación de células y estructuras patológicas, permitiendo una identificación más rápida y precisa de enfermedades. Con este trabajo, esperamos explorar la capacidad de generalización y robustez de una representación obtenida a través de modelos de segmentación no supervisada en el área de la histopatología. Esta técnica puede mejorar el tiempo en el diagnóstico de los pacientes debido a que los métodos no supervisados no requieren de etiquetas para generar una representación que tiene potencialmente una mejor generalización.PregradoIngeniero de SistemasHistopathology is a fundamental area of medicine that deals with the study of disease through microscopic observation of tissues and cells. Using microscopic staining and analysis techniques, histopathologists examine tissue samples obtained by biopsy, autopsy or surgery to identify and diagnose disease. On the other hand, artificial intelligence (AI) has proven to be a valuable tool in the field of histopathology by improving accuracy and efficiency in the analysis of tissue samples. Through machine learning algorithms, AI can aid in the detection and classification of pathological cells and structures, enabling faster and more accurate identification of diseases. With this work, we hope to explore the generalizability and robustness of a Representation obtained through unsupervised segmentation models in the area of histopathology. This technique can improve efficiency and objectivity in it diagnosis of patients because unsupervised methods do not require labels to generate a representation that potentially has better generalization.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingeníerias FisicomecánicasIngeniería de SistemasEscuela de Ingeniería de Sistemas e InformáticaAprendizaje profundopatología digitalsegmentación no supervisadaDeep Learningdigital pathologyunsupervised segmentationEstrategia de aprendizaje profundo para la segmentación no supervisada en patología digitalDeep learning strategy for unsupervised segmentation in digital pathologyTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bccehttp://purl.org/coar/resource_type/c_7a1fORIGINALNota de proyecto.pdfNota de proyecto.pdfapplication/pdf293525https://noesis.uis.edu.co/bitstreams/65cdf0ab-2183-46b8-9f2e-29b935c4f698/download56406185a9106c2fd440c9828c8307c9MD52Carta de autorización.pdfCarta de autorización.pdfapplication/pdf114148https://noesis.uis.edu.co/bitstreams/74a954f0-20e6-42e2-91ed-3e4dab4eaf09/download7f8e33fe6d5c3b26876a51b748adb644MD54Documento.pdfDocumento.pdfapplication/pdf4233493https://noesis.uis.edu.co/bitstreams/4901ec7e-67a5-425d-ade6-745ea7f8a78d/download4f9016e0c2f5c046cfa9e686ab90535eMD55LICENSElicense.txtlicense.txttext/plain; charset=utf-82237https://noesis.uis.edu.co/bitstreams/8ff73e85-2265-4c6a-aec9-f01dad3f3735/downloadd6298274a8378d319ac744759540b71bMD5320.500.14071/42417oai:noesis.uis.edu.co:20.500.14071/424172024-05-17 08:25:28.321http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessembargohttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.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 |