Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial

Este proyecto se centra en la creación de un sistema de detección médica basado en aprendizaje profundo (deep learning). El objetivo principal es desarrollar un sistema que procese imágenes dermatoscópicas para identificar la presencia de melanoma, sin determinar la etapa del cáncer. Para abordar la...

Full description

Autores:: Leal Bustamante, Nicolas Eduardo
Rojas Murillo, Isaias Andres

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2024

Institución:: Universidad Autónoma de Bucaramanga - UNAB

Repositorio:: Repositorio UNAB

Idioma:: spa

id	UNAB2_94168cf912d6e04bcc6fa2d8195e904f
oai_identifier_str	oai:repository.unab.edu.co:20.500.12749/25222
network_acronym_str	UNAB2
network_name_str	Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial
dc.title.translated.spa.fl_str_mv	Development of a melanoma cancer detection and evaluation system using artificial intelligence images
title	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial
spellingShingle	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial Convolutional neural networks Optimizer algorithm Deep learning Transfer learning Batch size Skin cancer Image processing Learning rate Artificial intelligence Biomedical engineering Engineering Biophysics Bioengineering Medicine Biomedical Electronic data processing Simulation by digital computers Machine learning Adaptive systems Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Procesamiento electrónico de datos Simulación por computadores digitales Aprendizaje automático (Inteligencia artificial) Sistemas adaptativos Melanoma Redes neuronales convolucionales Optimizador Inteligencia artificial Cáncer de piel Procesamiento de imágenes Tasa de aprendizaje
title_short	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial
title_full	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial
title_fullStr	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial
title_full_unstemmed	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial
title_sort	Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial
dc.creator.fl_str_mv	Leal Bustamante, Nicolas Eduardo Rojas Murillo, Isaias Andres
dc.contributor.advisor.none.fl_str_mv	Franco Arias, Manuel Hernando Arizmendi Pereira, Carlos Julio
dc.contributor.author.none.fl_str_mv	Leal Bustamante, Nicolas Eduardo Rojas Murillo, Isaias Andres
dc.contributor.cvlac.spa.fl_str_mv	Franco Arias, Manuel Hernando [0001427755] Arizmendi Pereira, Carlos Julio [1381550]
dc.contributor.googlescholar.spa.fl_str_mv	Arizmendi Pereira, Carlos Julio [JgT_je0AAAAJ]
dc.contributor.researchgate.spa.fl_str_mv	Arizmendi Pereira, Carlos Julio [Carlos_Arizmendi2]
dc.contributor.apolounab.spa.fl_str_mv	Franco Arias, Manuel Hernando [manuel-hernando-franco-arias] Arizmendi Pereira, Carlos Julio [carlos-julio-arizmendi-pereira]
dc.subject.keywords.spa.fl_str_mv	Convolutional neural networks Optimizer algorithm Deep learning Transfer learning Batch size Skin cancer Image processing Learning rate Artificial intelligence Biomedical engineering Engineering Biophysics Bioengineering Medicine Biomedical Electronic data processing Simulation by digital computers Machine learning Adaptive systems
topic	Convolutional neural networks Optimizer algorithm Deep learning Transfer learning Batch size Skin cancer Image processing Learning rate Artificial intelligence Biomedical engineering Engineering Biophysics Bioengineering Medicine Biomedical Electronic data processing Simulation by digital computers Machine learning Adaptive systems Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Procesamiento electrónico de datos Simulación por computadores digitales Aprendizaje automático (Inteligencia artificial) Sistemas adaptativos Melanoma Redes neuronales convolucionales Optimizador Inteligencia artificial Cáncer de piel Procesamiento de imágenes Tasa de aprendizaje
dc.subject.lemb.spa.fl_str_mv	Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Procesamiento electrónico de datos Simulación por computadores digitales Aprendizaje automático (Inteligencia artificial) Sistemas adaptativos
dc.subject.proposal.spa.fl_str_mv	Melanoma Redes neuronales convolucionales Optimizador Inteligencia artificial Cáncer de piel Procesamiento de imágenes Tasa de aprendizaje
description	Este proyecto se centra en la creación de un sistema de detección médica basado en aprendizaje profundo (deep learning). El objetivo principal es desarrollar un sistema que procese imágenes dermatoscópicas para identificar la presencia de melanoma, sin determinar la etapa del cáncer. Para abordar la necesidad de herramientas efectivas en la detección temprana del melanoma, se utilizaron algoritmos de inteligencia artificial y una base de datos balanceada con 4000 imágenes dermatoscópicas. Se emplearon tres tipos de optimizadores de deep learning para mejorar y ajustar la exactitud de los modelos, optimizando la tasa de aprendizaje al ajustar los parámetros internos de la red. El proyecto comparó la técnica de creación de la estructura desde cero (fromscratch) con el transfer learning, seleccionando el mejor modelo según las métricas de rendimiento. La principal contribución del sistema es su capacidad para discriminar entre lesiones benignas y malignas, ofreciendo un apoyo adicional a los profesionales de la salud en la toma de decisiones. Los resultados obtenidos hasta ahora demuestran un alto grado de sensibilidad y puntuación F1, en la detección de melanomas a partir de imágenes dermatoscópicas, indicando un potencial significativo para mejorar el diagnóstico temprano y preciso de este tipo de cáncer de piel. En resumen, este proyecto representa un avance significativo en la detección de cáncer de piel mediante deep learning y redes neuronales convolucionales, ofreciendo una herramienta prometedora que complementa el diagnóstico médico convencional.
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-06-20T21:20:50Z
dc.date.available.none.fl_str_mv	2024-06-20T21:20:50Z
dc.date.issued.none.fl_str_mv	2024-06-20
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv	Trabajo de Grado
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion.none.fl_str_mv	info:eu-repo/semantics/acceptedVersion
dc.type.redcol.none.fl_str_mv	http://purl.org/redcol/resource_type/TP
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/20.500.12749/25222
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.unab.edu.co
url	http://hdl.handle.net/20.500.12749/25222
identifier_str_mv	instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Datos \| Cáncer de Piel - Liga Colombiana contra el Cáncer. (s. f.). Liga Colombiana contra el Cáncer. https://www.ligacancercolombia.org/educacion/datos-cancer-de-piel/#:~:text=Se%20 estima%20sobre%20este%20mismo,4%20por%20100.000%20en%20hombres Estadísticas importantes sobre el cáncer de piel tipo melanoma. (s. f.). American Cancer Society \| Information and Resources about for Cancer: Breast, Colon, Lung, Prostate, Skin. https://www.cancer.org/es/cancer/cancer-de-piel-tipo-melanoma/acerca/estadisticas- clave.html Día mundial del melanoma 2022 \| Cuenta de Alto Costo. (s. f.). Cuenta de Alto Costo. https://cuentadealtocosto.org/site/cancer/dia-mundial-del-melanoma-2022/ Cáncer. (s. f.). Recuperado 21 de septiembre de 2022, de https://medlineplus.gov/spanish/ency/article/001289.htm#:%7E:text=El%20c%C3%A 1ncer%20se%20origina%20de,c%C3%A9lulas%20crezcan%20%20fuera%20de%2 0control Etapas del cáncer de piel tipo melanoma. (s. f.). Recuperado 21 de septiembre de 2022, de https://www.cancer.org/es/cancer/cancer-de-piel-tipo-melanoma/deteccion-diagnosti co-clasificacion-por-etapas/clasificacion-por-etapas-el-cancer-de-piel-tipo-melanoma .html Valencia, D. (2022, 6 septiembre). En 30% ha aumentado la mortalidad por melanoma en Colombia. Caracol Radio. Recuperado 21 de septiembre de 2022, de https://caracol.com.co/radio/2022/08/09/salud/1660067928_028219.html Yifan Yang. 2021. Data Augmentation to Improve the diagnosis of Melanoma using Convolutional Neural Networks. In Proceedings of the 2021 International Conference on Bioinformatics and Intelligent Computing (BIC 2021). Association for Computing Machinery, New York, NY, USA, 151–158. https://doi.org/10.1145/3448748.3448773 (S/f). Researchgate.net. Recuperado el 21 de septiembre de 2022, de https://www.researchgate.net/publication/355495450_Evaluation_of_Various_Open- Set_Medical_Imaging_Tasks_with_Deep_Neural_Networks Gu, Y., Ge, Z., Bonnington, C. P., & Zhou, J. (2020). Progressive Transfer Learning and Adversarial Domain Adaptation for Cross-Domain Skin Disease Classification. IEEE journal of biomedical and health informatics, 24(5), 1379–1393. https://doi.org/10.1109/JBHI.2019.2942429 Machine Learning based System for Prediction of Breast Cancer Severity. (2019, 1 octubre). IEEE Conference Publication \| IEEE Xplore. Recuperado 21 de septiembre de 2022, de https://ieeexplore.ieee.org/document/8942575/ Melanoma Skin Cancer Detection Using Deep Learning and Advanced Regularizer. (2020, 17 octubre). IEEE Conference Publication \| IEEE Xplore. Recuperado 21 de septiembre de 2022, de https://ieeexplore.ieee.org/document/9263118 Estadísticas importantes sobre el cáncer de piel tipo melanoma. (2022). Retrieved October 9, 2022, from Cancer.org website: https://www.cancer.org/es/cancer/cancer-de-piel-tipo-melanoma/acerca/estadisticas- clave.html Jeffrey Theodore Heaton. (2017, October 29). Ian Goodfellow, Yoshua Bengio, and Aaron Courville: Deep learning: The MIT Press, 2016, 800 pp, ISBN:... Retrieved October 10, 2022, from ResearchGate website: https://www.researchgate.net/publication/320703571_Ian_Goodfellow_Yoshua_Beng io_and_Aaron_Courville_Deep_learning_The_MIT_Press_2016_800_pp_ISBN_026 2035618 Lunares. (2021). Retrieved October 9, 2022, from Medlineplus.gov website: https://medlineplus.gov/spanish/moles.html Jones, O. T., Ranmuthu, C. K. I., Hall, P. N., Funston, G., & Walter, F. M. (2019). Recognising Skin Cancer in Primary Care. Advances in Therapy, 37(1), 603–616. https://doi.org/10.1007/s12325-019-01130-1 Avilés‐Izquierdo, J. A., Ciudad‐Blanco, C., Sánchez‐Herrero, A., Mateos‐Mayo, A., Nieto‐Benito, L. M., & Rodríguez‐Lomba, E. (2019). Dermoscopy of cutaneous melanoma metastases: A color‐based pattern classification. The Journal of Dermatology, 46(7), 564–569. https://doi.org/10.1111/1346-8138.14926 A Guide to Convolutional Neural Networks for Computer Vision \| Synthesis Lectures on Computer Vision. (2018). Retrieved October 10, 2022, from Morganclaypool.com website: https://www.morganclaypool.com/doi/10.2200/S00822ED1V01Y201712COV015 Ley 1581 de 2012 - Gestor Normativo. (2022, 2 marzo). FunciÃ3n PÃoblica. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=49981 Decreto Número 1360 de 1989 (Junio 23) El Presidente de ... - UNAL.EDU.CO (no date). Available at: https://propiedadintelectual.unal.edu.co/fileadmin/recursos/innovacion/docs/normativi dad_pi/decreto1360_1989.pdf (Accessed: October 26, 2022). Leyes desde 1992 - Vigencia expresa y control de constitucionalidad [LEY_0044_1993]. (s. f.). SECRETARÍA GENERAL DEL SENADO. http://www.secretariasenado.gov.co/senado/basedoc/ley_0044_1993.html De la Ley 1915 de 2018 al Tratado de Libre Comercio entre Colombia y Estados Unidos: algunas implicaciones para la protección del autor y su obra en el entorno 101 digital. (s. f.). Revistas Universidad Externado de Colombia. https://revistas.uexternado.edu.co/index.php/propin/article/view/6072 Ley 23 de 1982 - Gestor Normativo. (s. f.). Inicio - Función Pública. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3431#:~:text=E sta%20Ley%20protege%20exclusivamente%20la,obras%20literarias,%20científicas %20y%20artísticas. Bagazgoitia, D. L. (2019, 30 abril). ¿Los lunares son siempre marrones? Doctora Lorea Bagazgoitia. https://dermatologia-bagazgoitia.com/2019/05/los-lunares-son-siempre-marrones-46 83 Troya-Martín, D. M. (2008, 1 febrero). Estudio dermoscópico del melanoma maligno cutáneo: análisis descriptivo de 45 casos \| Actas Dermo-Sifiliográficas. https://www.actasdermo.org/es-estudio-dermoscopico-del-melanoma-maligno-articul o-S0001731008746143 Cáncer de piel - Melanoma síntomas. (s. f.). Recuperado 26 de octubre de 2022, de https://www.contraelcancer.es/es/todo-sobre-cancer/tipos-cancer/cancer-piel/melano ma/sintomas Bibliografía Melanoma. (2023, julio 22). Mayoclinic.org. https://www.mayoclinic.org/es/diseases-conditions/melanoma/symptoms-causes/syc- 20374884
dc.relation.uriapolo.spa.fl_str_mv	https://apolo.unab.edu.co/en/persons/manuel-hernando-franco-arias-2
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv	Abierto (Texto Completo)
dc.rights.creativecommons.*.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.spatial.spa.fl_str_mv	Bucaramanga (Santander, Colombia)
dc.coverage.campus.spa.fl_str_mv	UNAB Campus Bucaramanga
dc.publisher.grantor.spa.fl_str_mv	Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.spa.fl_str_mv	Facultad Ingeniería
dc.publisher.program.spa.fl_str_mv	Pregrado Ingeniería Biomédica
institution	Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv	https://repository.unab.edu.co/bitstream/20.500.12749/25222/4/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/25222/2/Tesis.pdf https://repository.unab.edu.co/bitstream/20.500.12749/25222/5/Licencia.pdf https://repository.unab.edu.co/bitstream/20.500.12749/25222/6/Tesis.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/25222/7/Licencia.pdf.jpg
bitstream.checksum.fl_str_mv	3755c0cfdb77e29f2b9125d7a45dd316 0bb0c554bc9553fc6838db84437a3d03 b50947512e556ecea19ee959d9a81bd1 9c1b12ea50624b817b297d95a3b720de 97966c59e0621acda11433b68c2dd144
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional \| Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv	repositorio@unab.edu.co
_version_	1808410532619747328
spelling	Franco Arias, Manuel Hernandof54597c9-3b82-4525-9a23-1cf6369a6a66Arizmendi Pereira, Carlos Julio79e0125f-b191-4144-999b-281177ddaaf9Leal Bustamante, Nicolas Eduardo34ec5de4-bc1b-4113-bf68-842128b5891eRojas Murillo, Isaias Andresc530508e-f5af-49e9-9700-b56cf4492964Franco Arias, Manuel Hernando [0001427755]Arizmendi Pereira, Carlos Julio [1381550]Arizmendi Pereira, Carlos Julio [JgT_je0AAAAJ]Arizmendi Pereira, Carlos Julio [Carlos_Arizmendi2]Franco Arias, Manuel Hernando [manuel-hernando-franco-arias]Arizmendi Pereira, Carlos Julio [carlos-julio-arizmendi-pereira]Bucaramanga (Santander, Colombia)UNAB Campus Bucaramanga2024-06-20T21:20:50Z2024-06-20T21:20:50Z2024-06-20http://hdl.handle.net/20.500.12749/25222instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEste proyecto se centra en la creación de un sistema de detección médica basado en aprendizaje profundo (deep learning). El objetivo principal es desarrollar un sistema que procese imágenes dermatoscópicas para identificar la presencia de melanoma, sin determinar la etapa del cáncer. Para abordar la necesidad de herramientas efectivas en la detección temprana del melanoma, se utilizaron algoritmos de inteligencia artificial y una base de datos balanceada con 4000 imágenes dermatoscópicas. Se emplearon tres tipos de optimizadores de deep learning para mejorar y ajustar la exactitud de los modelos, optimizando la tasa de aprendizaje al ajustar los parámetros internos de la red. El proyecto comparó la técnica de creación de la estructura desde cero (fromscratch) con el transfer learning, seleccionando el mejor modelo según las métricas de rendimiento. La principal contribución del sistema es su capacidad para discriminar entre lesiones benignas y malignas, ofreciendo un apoyo adicional a los profesionales de la salud en la toma de decisiones. Los resultados obtenidos hasta ahora demuestran un alto grado de sensibilidad y puntuación F1, en la detección de melanomas a partir de imágenes dermatoscópicas, indicando un potencial significativo para mejorar el diagnóstico temprano y preciso de este tipo de cáncer de piel. En resumen, este proyecto representa un avance significativo en la detección de cáncer de piel mediante deep learning y redes neuronales convolucionales, ofreciendo una herramienta prometedora que complementa el diagnóstico médico convencional.Capítulo I..................................................................................................................17 1 Problema de investigación.......................................................................17 1.1 Introducción..............................................................................................17 1.2 Descripción del Problema.........................................................................18 1.3 Justificación..............................................................................................19 1.4 Pregunta de investigación.........................................................................21 1.5 Objetivo General.......................................................................................22 1.6 Objetivos Específicos................................................................................22 1.7 Limitaciones y Delimitaciones...................................................................22 Capítulo II.................................................................................................................24 2 Marco teórico y Estado del Arte...............................................................24 2.1 Estado Del Arte...........................................................................24 2.2 Marco Legal..............................................................................................27 2.3 Marco Teórico...........................................................................................28 2.3.1 ¿Qué es lunar?...........................................................................28 2.3.2 ¿Qué es el melanoma?...............................................................29 2.3.3 Métodos de detección de melanoma..........................................30 2.3.4 Inteligencia Artificial................................................................31 2.3.5 Redes Neuronales Artificiales....................................................32 2.3.6 Redes Neuronales Artificiales Convolucionales..........................33 2.3.7 Deep Learning y transfer learning..............................................33 10 Capítulo III...............................................................................................35 3 Metodología.........................................................................................35 3.1 Base de datos.............................................................................36 3.2 Investigación de técnicas de inteligencia artificial...............................36 3.3 Procesamiento de imágenes..........................................................37 3.4 Código y selección de software......................................................37 3.5 Selección del diseño de interfaz.....................................................38 3.6 Pruebas de funcionamiento...........................................................38 Capítulo IV..............................................................................................39 4 Resultados y análisis de resultados................................................39 4.1 Selección del software de programación..........................................39 4.2 Creación del modelo desde el cero (from scratch - Students net)...........40 4.2.1 Optimizadores y tasa de aprendizaje....................................40 4.2.2 Optimizador RMSprop......................................................40 4.2.3 Optimizador Sgmd...........................................................45 4.2.4 Optimizador Adam............................................................48 4.2.5 Análisis de selección del modelo creado..............................51 4.3 Creación del modelo con transfer learning........................................55 4.3.1 Análisis de los campeones - transfer learning........................74 4.3.2 Tablas resumen - transfer learning......................................75 4.4 Creación del Modelo desde cero - from scratch Python.......................81 4.5 Interfaz......................................................................................84 4.5.1 Menú de usuario.............................................................88 4.5.2 Explicación de las partes de la interfaz.................................89 Capítulo V..............................................................................................91 5.1 Discusiones................................................................................91 5.2 Conclusiones y recomendaciones...................................................95 5.2 Referencias................................................................................98 5.3 Anexos....................................................................................101PregradoThe project's aim is focused on the creation of a medical detection system based on deep learning. The main objective is to develop a system that processes dermoscopic images to identify the presence of melanoma, without determining the stage of the cancer. To address the need for effective tools in the early detection of melanoma, artificial intelligence algorithms and a balanced database with 4000 dermoscopic images were used. Three types of deep learning optimizers were used to improve and tune the accuracy of the models, optimizing the learning rate by adjusting the internal parameters of the network. The project compared the technique of creating the structure from scratch with transfer learning, selecting the best model according to performance metrics. The main contribution of the system is its ability to discriminate between benign and malignant lesions, offering additional support to health professionals in decision making. The results obtained so far demonstrate a high degree of sensitivity and F1 score in the detection of melanomas from dermoscopic images, indicating significant potential to improve the early and accurate diagnosis of this type of skin cancer. In summary, this project represents a significant advance in the detection of skin cancer through deep learning and convolutional neural networks, offering a promising tool that complements conventional medical diagnosis.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificialDevelopment of a melanoma cancer detection and evaluation system using artificial intelligence imagesIngeniero BiomédicoUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería Biomédicainfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPConvolutional neural networksOptimizer algorithmDeep learningTransfer learningBatch sizeSkin cancerImage processingLearning rateArtificial intelligenceBiomedical engineeringEngineeringBiophysicsBioengineeringMedicineBiomedicalElectronic data processingSimulation by digital computersMachine learningAdaptive systemsIngeniería biomédicaIngenieríaBiofísicaBioingenieríaMedicinaBiomédicaProcesamiento electrónico de datosSimulación por computadores digitalesAprendizaje automático (Inteligencia artificial)Sistemas adaptativosMelanomaRedes neuronales convolucionalesOptimizadorInteligencia artificialCáncer de pielProcesamiento de imágenesTasa de aprendizajeDatos \| Cáncer de Piel - Liga Colombiana contra el Cáncer. (s. f.). Liga Colombiana contra el Cáncer. https://www.ligacancercolombia.org/educacion/datos-cancer-de-piel/#:~:text=Se%20 estima%20sobre%20este%20mismo,4%20por%20100.000%20en%20hombresEstadísticas importantes sobre el cáncer de piel tipo melanoma. (s. f.). American Cancer Society \| Information and Resources about for Cancer: Breast, Colon, Lung, Prostate, Skin. https://www.cancer.org/es/cancer/cancer-de-piel-tipo-melanoma/acerca/estadisticas- clave.htmlDía mundial del melanoma 2022 \| Cuenta de Alto Costo. (s. f.). Cuenta de Alto Costo. https://cuentadealtocosto.org/site/cancer/dia-mundial-del-melanoma-2022/Cáncer. (s. f.). Recuperado 21 de septiembre de 2022, de https://medlineplus.gov/spanish/ency/article/001289.htm#:%7E:text=El%20c%C3%A 1ncer%20se%20origina%20de,c%C3%A9lulas%20crezcan%20%20fuera%20de%2 0controlEtapas del cáncer de piel tipo melanoma. (s. f.). Recuperado 21 de septiembre de 2022, de https://www.cancer.org/es/cancer/cancer-de-piel-tipo-melanoma/deteccion-diagnosti co-clasificacion-por-etapas/clasificacion-por-etapas-el-cancer-de-piel-tipo-melanoma .htmlValencia, D. (2022, 6 septiembre). En 30% ha aumentado la mortalidad por melanoma en Colombia. Caracol Radio. Recuperado 21 de septiembre de 2022, de https://caracol.com.co/radio/2022/08/09/salud/1660067928_028219.htmlYifan Yang. 2021. Data Augmentation to Improve the diagnosis of Melanoma using Convolutional Neural Networks. In Proceedings of the 2021 International Conference on Bioinformatics and Intelligent Computing (BIC 2021). Association for Computing Machinery, New York, NY, USA, 151–158. https://doi.org/10.1145/3448748.3448773(S/f). Researchgate.net. Recuperado el 21 de septiembre de 2022, de https://www.researchgate.net/publication/355495450_Evaluation_of_Various_Open- Set_Medical_Imaging_Tasks_with_Deep_Neural_NetworksGu, Y., Ge, Z., Bonnington, C. P., & Zhou, J. (2020). Progressive Transfer Learning and Adversarial Domain Adaptation for Cross-Domain Skin Disease Classification. IEEE journal of biomedical and health informatics, 24(5), 1379–1393. https://doi.org/10.1109/JBHI.2019.2942429Machine Learning based System for Prediction of Breast Cancer Severity. (2019, 1 octubre). IEEE Conference Publication \| IEEE Xplore. Recuperado 21 de septiembre de 2022, de https://ieeexplore.ieee.org/document/8942575/Melanoma Skin Cancer Detection Using Deep Learning and Advanced Regularizer. (2020, 17 octubre). IEEE Conference Publication \| IEEE Xplore. Recuperado 21 de septiembre de 2022, de https://ieeexplore.ieee.org/document/9263118Estadísticas importantes sobre el cáncer de piel tipo melanoma. (2022). Retrieved October 9, 2022, from Cancer.org website: https://www.cancer.org/es/cancer/cancer-de-piel-tipo-melanoma/acerca/estadisticas- clave.htmlJeffrey Theodore Heaton. (2017, October 29). Ian Goodfellow, Yoshua Bengio, and Aaron Courville: Deep learning: The MIT Press, 2016, 800 pp, ISBN:... Retrieved October 10, 2022, from ResearchGate website: https://www.researchgate.net/publication/320703571_Ian_Goodfellow_Yoshua_Beng io_and_Aaron_Courville_Deep_learning_The_MIT_Press_2016_800_pp_ISBN_026 2035618Lunares. (2021). Retrieved October 9, 2022, from Medlineplus.gov website: https://medlineplus.gov/spanish/moles.htmlJones, O. T., Ranmuthu, C. K. I., Hall, P. N., Funston, G., & Walter, F. M. (2019). Recognising Skin Cancer in Primary Care. Advances in Therapy, 37(1), 603–616. https://doi.org/10.1007/s12325-019-01130-1Avilés‐Izquierdo, J. A., Ciudad‐Blanco, C., Sánchez‐Herrero, A., Mateos‐Mayo, A., Nieto‐Benito, L. M., & Rodríguez‐Lomba, E. (2019). Dermoscopy of cutaneous melanoma metastases: A color‐based pattern classification. The Journal of Dermatology, 46(7), 564–569. https://doi.org/10.1111/1346-8138.14926A Guide to Convolutional Neural Networks for Computer Vision \| Synthesis Lectures on Computer Vision. (2018). Retrieved October 10, 2022, from Morganclaypool.com website: https://www.morganclaypool.com/doi/10.2200/S00822ED1V01Y201712COV015Ley 1581 de 2012 - Gestor Normativo. (2022, 2 marzo). FunciÃ3n PÃoblica. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=49981Decreto Número 1360 de 1989 (Junio 23) El Presidente de ... - UNAL.EDU.CO (no date). Available at: https://propiedadintelectual.unal.edu.co/fileadmin/recursos/innovacion/docs/normativi dad_pi/decreto1360_1989.pdf (Accessed: October 26, 2022).Leyes desde 1992 - Vigencia expresa y control de constitucionalidad [LEY_0044_1993]. (s. f.). SECRETARÍA GENERAL DEL SENADO. http://www.secretariasenado.gov.co/senado/basedoc/ley_0044_1993.htmlDe la Ley 1915 de 2018 al Tratado de Libre Comercio entre Colombia y Estados Unidos: algunas implicaciones para la protección del autor y su obra en el entorno 101 digital. (s. f.). Revistas Universidad Externado de Colombia. https://revistas.uexternado.edu.co/index.php/propin/article/view/6072Ley 23 de 1982 - Gestor Normativo. (s. f.). Inicio - Función Pública. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3431#:~:text=E sta%20Ley%20protege%20exclusivamente%20la,obras%20literarias,%20científicas %20y%20artísticas.Bagazgoitia, D. L. (2019, 30 abril). ¿Los lunares son siempre marrones? Doctora Lorea Bagazgoitia. https://dermatologia-bagazgoitia.com/2019/05/los-lunares-son-siempre-marrones-46 83Troya-Martín, D. M. (2008, 1 febrero). Estudio dermoscópico del melanoma maligno cutáneo: análisis descriptivo de 45 casos \| Actas Dermo-Sifiliográficas. https://www.actasdermo.org/es-estudio-dermoscopico-del-melanoma-maligno-articul o-S0001731008746143Cáncer de piel - Melanoma síntomas. (s. f.). Recuperado 26 de octubre de 2022, de https://www.contraelcancer.es/es/todo-sobre-cancer/tipos-cancer/cancer-piel/melano ma/sintomasBibliografía Melanoma. (2023, julio 22). Mayoclinic.org. https://www.mayoclinic.org/es/diseases-conditions/melanoma/symptoms-causes/syc- 20374884https://apolo.unab.edu.co/en/persons/manuel-hernando-franco-arias-2LICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/25222/4/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD54open accessORIGINALTesis.pdfTesis.pdfTesisapplication/pdf4747421https://repository.unab.edu.co/bitstream/20.500.12749/25222/2/Tesis.pdf0bb0c554bc9553fc6838db84437a3d03MD52open accessLicencia.pdfLicencia.pdfLicenciaapplication/pdf188601https://repository.unab.edu.co/bitstream/20.500.12749/25222/5/Licencia.pdfb50947512e556ecea19ee959d9a81bd1MD55metadata only accessTHUMBNAILTesis.pdf.jpgTesis.pdf.jpgIM Thumbnailimage/jpeg5210https://repository.unab.edu.co/bitstream/20.500.12749/25222/6/Tesis.pdf.jpg9c1b12ea50624b817b297d95a3b720deMD56open accessLicencia.pdf.jpgLicencia.pdf.jpgIM Thumbnailimage/jpeg13335https://repository.unab.edu.co/bitstream/20.500.12749/25222/7/Licencia.pdf.jpg97966c59e0621acda11433b68c2dd144MD57metadata only access20.500.12749/25222oai:repository.unab.edu.co:20.500.12749/252222024-06-20 22:00:25.15open accessRepositorio Institucional \| Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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

Desarrollo de un sistema de detección y evaluación de cáncer tipo melanoma mediante imágenes por inteligencia artificial

Publicaciones similares