Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning

En este proyecto, se desarrolló una aplicación de alta complejidad basada en Deep Learning, específicamente en redes neuronales convolucionales (CNN), con el propósito de llevar a cabo la clasificación de imágenes de histopatología digital de colon en dos categorías: tejido colon con cáncer y tejido colon benigno. La histopatología digital es una técnica que permite la observación detallada de muestras de tejido a nivel microscópico, y en el contexto del cáncer de colon, se convierte en una herramienta fundamental para la detección temprana y el diagnóstico preciso de esta enfermedad. La implementación se realizó utilizando el lenguaje de programación Python y requirió la construcción de un conjunto de datos robusto que comprendía muestras representativas de ambos tipos de tejido. Durante el proceso de entrenamiento del modelo, se logró un nivel de precisión excepcional, alcanzando un Accuracy del 99.72 %, lo que demuestra la eficacia del sistema en la tarea de clasificación. Además del componente de inteligencia artificial, se diseñó y probó una interfaz de usuario que permitió a los usuarios cargar imágenes para su clasificación. Esta interfaz fue sometida a rigurosas pruebas de funcionamiento y usabilidad para garantizar que fuera accesible y confiable. Como conclusiones se puede decir que el proyecto tiene un potencial prometedor para aplicaciones clínicas, ya que ofrece una herramienta precisa y eficiente para el diagnóstico de cáncer de colon basado en imágenes.

• Autores: Estupiñán Bautista, Martin Leonardo; Vera Bermúdez, Paula Andrea
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/23604
• Acceso en línea: http://hdl.handle.net/20.500.12749/23604
• Palabra clave: Deep Learning; Image classification; Colon cancer; Convolutional neural networks; Bioengineering; Biomedical engineering; Pathological histology; Anatomy; Algorithms; Ingeniería biomédica; Ingeniería; Biofísica; Bioingeniería; Medicina; Biomédica; Histología patológica; Anatomía; Algoritmos; Aprendizaje profundo; Clasificación de imágenes; Cáncer de colon; Redes neuronales convolucionales
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/