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...

Full description

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

id	UNAB2_c98cb6cf1849489525ab627aa50ebde4
oai_identifier_str	oai:repository.unab.edu.co:20.500.12749/23604
network_acronym_str	UNAB2
network_name_str	Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning
dc.title.translated.spa.fl_str_mv	Development of a colon cancer recognition software for digital histopathology images using Deep Learning
title	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning
spellingShingle	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning 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
title_short	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning
title_full	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning
title_fullStr	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning
title_full_unstemmed	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning
title_sort	Desarrollo de un software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep Learning
dc.creator.fl_str_mv	Estupiñán Bautista, Martin Leonardo Vera Bermúdez, Paula Andrea
dc.contributor.advisor.none.fl_str_mv	Franco Arias, Manuel Hernando Arizmendi Pereira, Carlos Julio
dc.contributor.author.none.fl_str_mv	Estupiñán Bautista, Martin Leonardo Vera Bermúdez, Paula Andrea
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.scopus.spa.fl_str_mv	Arizmendi Pereira, Carlos Julio [16174088500]
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	Deep Learning Image classification Colon cancer Convolutional neural networks Bioengineering Biomedical engineering Pathological histology Anatomy Algorithms
topic	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
dc.subject.lemb.spa.fl_str_mv	Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Histología patológica Anatomía Algoritmos
dc.subject.proposal.spa.fl_str_mv	Aprendizaje profundo Clasificación de imágenes Cáncer de colon Redes neuronales convolucionales
description	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.
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-02-23T13:05:42Z
dc.date.available.none.fl_str_mv	2024-02-23T13:05:42Z
dc.date.issued.none.fl_str_mv	2024-01-17
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/20.500.12749/23604
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/20.500.12749/23604
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	Sehmi, M. N. M., Fauzi, M. F. A., Ahmad, A. W. S. H. M. W., & Chan, E. W. L. (2022). PancreaSys: An Automated Cloud-Based Pancreatic Cancer Grading System. Frontiers in Signal Processing, 2. https://doi.org/10.3389/frsip.2022.833640 Naylor, P., Lazard, T., Bataillon, G., Laé, M., Vincent-Salomon, A., Hamy, A. S., Reyal, F., & Walter, T. (2022). Prediction of Treatment Response in Triple Negative Breast Cancer From Whole Slide Images. Frontiers in Signal Processing, 2. https://doi.org/10.3389/frsip.2022.851809 Kaluri, R., Hasan, M. I., Ali, M. S., Rahman, M. H., & Islam, M. K. (2022). Automated Detection and Characterization of Colon Cancer with Deep Convolutional Neural Networks. Journal of Healthcare Engineering, 2022, 5269913. https://doi.org/10.1155/2022/5269913 Almubarak HA, Stanley RJ, Long LR, Antani SK, Thoma GR, Zuna R, Frazier SR. Convolutional Neural Network Based Localized Classification of Uterine Cervical Cancer Digital 75 Histology Images. Procedia Computer Science, Volume 114, 2017, Pages 281-287, ISSN 1877- 0509, https://doi.org/10.1016/j.procs.2017.09.044. Pruebas para diagnosticar y clasificar la etapa del cáncer colorrectal (2018) American Cancer Society. Recuperado de: https://www.cancer.org/es/cancer/cancer-de-colon-o- recto/deteccion-diagnostico-clasificacion-por-etapas/pruebas-para-el-cancer-colorrectal.html Testing biopsy and cytology specimens for cancer (2018) American Cancer Society. Recuperado de: https://www.cancer.org/treatment/understanding-your-diagnosis/tests/testing- biopsy-and-cytology-specimens-for-cancer.html ¿Qué es la patología? (2019) SAP Sociedad Argentina de Patología. Available at: https://www.patologia.org.ar/que-es-la-patologia/ ¿Qué es la histología? (2013) Equipos y laboratorio de Colombia. equiposylaboratorio.com. Available at: https://www.equiposylaboratorio.com/portal/articulo- ampliado/que-es-la-histologia Cambios en órganos, Tejidos y Células Por El Envejecimiento (no date) MedlinePlus. U.S. National Library of Medicine. Available at: https://medlineplus.gov/spanish/ency/article/004012.htm#:~:text=Los%20tejidos%20son%20cap as%20de,otros%20tejidos%20y%20los%20une. Megías, M. (2022) Técnicas Histológicas. Proceso histológico., Atlas de Histología Vegetal y Animal. Available at: https://mmegias.webs.uvigo.es/6-tecnicas/1-proceso.php ¿Qué es la IA y por qué es importante? (no date) NetApp. Available at: https://www.netapp.com/es/artificial-intelligence/what-is-artificial-intelligence/ Lahtela, M. and Kaplan, P. (no date) ¿Qué es una red neuronal?, Amazon. Oberbaumpresse. Available at: https://aws.amazon.com/es/what-is/neural-network/ Te Contamos Qué es el 'machine learning' y cómo funciona (2022) BBVA NOTICIAS. BBVA. Available at: https://www.bbva.com/es/machine-learning-que-es-y-como-funciona/ Deep learning - ¿qué es deep learning? (no date) IBM. Available at: https://www.ibm.com/cl-es/cloud/deep-learning Agencia Internacional para la Investigación del Cáncer. (2020). Globocan 2020: Estimated cancer incidence, mortality and prevalence worldwide in 2020. Recuperado de https://gco.iarc.fr/today/data/factsheets/populations/170-colombia-fact-sheets.pdf Revista Colombiana de Cancerología. (2018). Guía de práctica clínica para el manejo del cáncer colorrectal. Instituto Nacional de Cancerología. Recuperado de http://www.cancer.gov.co/adjuntos/article/3208/GPC_CANCER_COLORRECTAL_2018.pdf Revista de la Asociación Colombiana de Cirugía. (2017). Detección temprana del cáncer colorrectal en Colombia: ¿Qué tan lejos estamos?. 32(3), 205-212. Recuperado de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2011- 75822017000300205&lng=en&nrm=iso&tlng=en Ministerio de Salud y Protección Social. (1993). Resolución 8430 de 1993: Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud. Recuperado de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/RESOLUCION- 8430-DE-1993.PDF García, M. (2018). La protección del derecho de autor en Colombia: ¿Qué es la DNDA y cuál es su función? Revista de Propiedad Intelectual, 25, 67-80. Asamblea Nacional Constituyente de Colombia. (1982). Ley 23 de 1982: Por la cual se establecen las disposiciones de propiedad intelectual. Bogotá, Colombia: Imprenta Nacional. Recuperado de https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3431 Borkowski A.A., Bui M.M., Thomas L.B., Wilson C.P., DeLand L.A., Mastorides S.M. Lung and colon cancer histopathological image dataset (lc25000). arXiv. 2019 Available online: https://www.kaggle.com/datasets/andrewmvd/lung-and-colon-cancer-histopathological-images Decreto 1360 de 1989. (28 de julio de 1989). Por el cual se reglamenta la inscripción de soporte lógico (software) en el Registro Nacional del Derecho de Autor. Diario Oficial de la República de Colombia, 39099. Recuperado de https://www.derechodeautor.gov.co/documents/20143/160214/DECRETO+1360+DE+1989.pdf Ley 44 de 1993, Diario Oficial de la República de Colombia, No. 40.067, del 27 de diciembre de 1993. Modifica y adiciona disposiciones a la Ley 23 de 1982, en lo relacionado con la protección de los derechos de propiedad intelectual. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3429 Ley 1915 de 2018, Diario Oficial de la República de Colombia, No. 50.794, del 22 de junio de 2018. Por el cual se Implementa disposiciones del Tratado de Libre Comercio (TLC) celebrado entre Colombia y Estados Unidos en materia de derecho de autor y derechos conexos en el entorno digital. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=8741
dc.relation.uriapolo.spa.fl_str_mv	https://apolo.unab.edu.co/en/persons/manuel-hernando-franco-arias
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	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/20.500.12749/23604/1/Tesis.pdf https://repository.unab.edu.co/bitstream/20.500.12749/23604/6/Licencia.pdf https://repository.unab.edu.co/bitstream/20.500.12749/23604/5/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/23604/7/Tesis.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/23604/8/Licencia.pdf.jpg
bitstream.checksum.fl_str_mv	f419209bf7bfca4761dbb62247bd92fa 36212fde96a66fdff4c9a1880df6732d 3755c0cfdb77e29f2b9125d7a45dd316 e702d0e79130b6202f3e8faa3f0b6c31 8a06b87c64679a59e16b29572f768179
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_	1808410709379252224
spelling	Franco Arias, Manuel Hernandof54597c9-3b82-4525-9a23-1cf6369a6a66Arizmendi Pereira, Carlos Julio79e0125f-b191-4144-999b-281177ddaaf9Estupiñán Bautista, Martin Leonardo9ee3b13b-8366-4e77-86c9-71726cf05864Vera Bermúdez, Paula Andrea5dfa2c1a-34b5-4568-9e97-9fe08309c2ceFranco Arias, Manuel Hernando [0001427755]Arizmendi Pereira, Carlos Julio [1381550]Arizmendi Pereira, Carlos Julio [JgT_je0AAAAJ]Arizmendi Pereira, Carlos Julio [16174088500]Arizmendi Pereira, Carlos Julio [Carlos_Arizmendi2]Franco Arias, Manuel Hernando [manuel-hernando-franco-arias]Arizmendi Pereira, Carlos Julio [carlos-julio-arizmendi-pereira]ColombiaUNAB Campus Bucaramanga2024-02-23T13:05:42Z2024-02-23T13:05:42Z2024-01-17http://hdl.handle.net/20.500.12749/23604instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEn 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.Capítulo I.................................................................................................................14 Aspectos generales ................................................................................................14 1.1 Problema u Oportunidad..................................................................................14 1.2 Justificación.....................................................................................................15 1.3 Pregunta problema...........................................................................................16 1.4 Objetivo General .............................................................................................16 1.5 Objetivos Específicos......................................................................................16 1.6 Limitaciones y Delimitaciones........................................................................16 Capitulo II................................................................................................................18 Marco teórico y estado del arte .............................................................................18 2.1 Marco Teórico.............................................................................................18 2.1.1 Patología ..................................................................................................18 2.1.2 Cáncer de colon .......................................................................................19 2.1.3 Sigmoidoscopia .......................................................................................19 2.1.4 Histología.................................................................................................20 2.1.5 Tejidos.....................................................................................................21 8 2.1.6 Proceso histológico..................................................................................22 2.1.7 Inteligencia Artificial...............................................................................23 2.1.8 Redes neuronales.....................................................................................24 2.1.9 Redes neuronales convolucionales..........................................................24 2.1.10 Machine Learning....................................................................................25 2.1.11 Deep Learning .........................................................................................25 2.2 Estado del Arte ............................................................................................25 2.3 Marco Legal ................................................................................................29 Capitulo III..............................................................................................................31 Metodología...........................................................................................................31 3.1 Adquisición de base de datos......................................................................31 3.2 Selección del lenguaje de programación.....................................................32 3.3 Aplicación de técnicas empleadas en inteligencia artificial........................33 3.4 Entrenamiento del modelo ..........................................................................33 3.5 Planteamiento de la interfaz de usuario y funcionamiento del software.....34 3.6 Empalme modelo e interfaz.........................................................................35 3.7 Realización de pruebas unitarias.................................................................36 3.8 Evaluación del sistema mediante una prueba test .......................................36 3.9 Registrar datos precisión/exactitud .............................................................36 Capitulo IV ..............................................................................................................38 Resultados y análisis de resultados .......................................................................38 4.1 Base de datos...............................................................................................38 4.2 Selección del lenguaje de programación.....................................................38 4.3 Aplicación de técnicas empleadas en inteligencia artificial........................40 4.4 Entrenamiento del modelo ..........................................................................43 4.5 Planteamiento de la interfaz de usuario y funcionamiento del software.....55 4.6 Empalme modelo e interfaz.........................................................................57 4.7 Pruebas unitarias .........................................................................................58 4.8 Evaluación del sistema ................................................................................59 4.9 Registro de datos precisión/exactitud..........................................................68 Capítulo V.....................................................................................72 Conclusiones y recomendaciones .............................................................................72 5.1 Conclusiones ...............................................................................................72 5.2 Recomendaciones........................................................................................72 Capítulo VI....................................................................................73 Referencias bibliográficas.....................................................................................73 6.1 Bibliografía..................................................................................................73PregradoIn this project, a high-complexity application was developed based on Deep Learning, specifically convolutional neural networks (CNN), with the purpose of classifying digital colon histopathology images into two categories: colon tissue with cancer and benign colon tissue. Digital histopathology is a technique that enables detailed microscopic-level tissue sample observation, and in the context of colon cancer, it becomes a fundamental tool for early detection and precise diagnosis of this disease. The implementation was carried out using the Python programming language and required the construction of a robust dataset that included representative samples of both tissue types. During the model training process, an exceptional level of accuracy was achieved, reaching an accuracy of 99.72 %, demonstrating the system's effectiveness in the classification task. In addition to the artificial intelligence component, a user interface was designed and rigorously tested, allowing users to upload images for classification. This interface underwent comprehensive functionality and usability testing to ensure accessibility and reliability. In conclusion, the project holds promising potential for clinical applications, as it provides a precise and efficient tool for colon cancer diagnosis based on image analysis.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 software de reconocimiento de cáncer de colon en imágenes de histopatología digital mediante Deep LearningDevelopment of a colon cancer recognition software for digital histopathology images using Deep LearningIngeniero 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/TPDeep LearningImage classificationColon cancerConvolutional neural networksBioengineeringBiomedical engineeringPathological histologyAnatomyAlgorithmsIngeniería biomédicaIngenieríaBiofísicaBioingenieríaMedicinaBiomédicaHistología patológicaAnatomíaAlgoritmosAprendizaje profundoClasificación de imágenesCáncer de colonRedes neuronales convolucionalesSehmi, M. N. M., Fauzi, M. F. A., Ahmad, A. W. S. H. M. W., & Chan, E. W. L. (2022). PancreaSys: An Automated Cloud-Based Pancreatic Cancer Grading System. Frontiers in Signal Processing, 2. https://doi.org/10.3389/frsip.2022.833640Naylor, P., Lazard, T., Bataillon, G., Laé, M., Vincent-Salomon, A., Hamy, A. S., Reyal, F., & Walter, T. (2022). Prediction of Treatment Response in Triple Negative Breast Cancer From Whole Slide Images. Frontiers in Signal Processing, 2. https://doi.org/10.3389/frsip.2022.851809Kaluri, R., Hasan, M. I., Ali, M. S., Rahman, M. H., & Islam, M. K. (2022). Automated Detection and Characterization of Colon Cancer with Deep Convolutional Neural Networks. Journal of Healthcare Engineering, 2022, 5269913. https://doi.org/10.1155/2022/5269913Almubarak HA, Stanley RJ, Long LR, Antani SK, Thoma GR, Zuna R, Frazier SR. Convolutional Neural Network Based Localized Classification of Uterine Cervical Cancer Digital 75 Histology Images. Procedia Computer Science, Volume 114, 2017, Pages 281-287, ISSN 1877- 0509, https://doi.org/10.1016/j.procs.2017.09.044.Pruebas para diagnosticar y clasificar la etapa del cáncer colorrectal (2018) American Cancer Society. Recuperado de: https://www.cancer.org/es/cancer/cancer-de-colon-o- recto/deteccion-diagnostico-clasificacion-por-etapas/pruebas-para-el-cancer-colorrectal.htmlTesting biopsy and cytology specimens for cancer (2018) American Cancer Society. Recuperado de: https://www.cancer.org/treatment/understanding-your-diagnosis/tests/testing- biopsy-and-cytology-specimens-for-cancer.html¿Qué es la patología? (2019) SAP Sociedad Argentina de Patología. Available at: https://www.patologia.org.ar/que-es-la-patologia/¿Qué es la histología? (2013) Equipos y laboratorio de Colombia. equiposylaboratorio.com. Available at: https://www.equiposylaboratorio.com/portal/articulo- ampliado/que-es-la-histologiaCambios en órganos, Tejidos y Células Por El Envejecimiento (no date) MedlinePlus. U.S. National Library of Medicine. Available at: https://medlineplus.gov/spanish/ency/article/004012.htm#:~:text=Los%20tejidos%20son%20cap as%20de,otros%20tejidos%20y%20los%20une.Megías, M. (2022) Técnicas Histológicas. Proceso histológico., Atlas de Histología Vegetal y Animal. Available at: https://mmegias.webs.uvigo.es/6-tecnicas/1-proceso.php¿Qué es la IA y por qué es importante? (no date) NetApp. Available at: https://www.netapp.com/es/artificial-intelligence/what-is-artificial-intelligence/Lahtela, M. and Kaplan, P. (no date) ¿Qué es una red neuronal?, Amazon. Oberbaumpresse. Available at: https://aws.amazon.com/es/what-is/neural-network/Te Contamos Qué es el 'machine learning' y cómo funciona (2022) BBVA NOTICIAS. BBVA. Available at: https://www.bbva.com/es/machine-learning-que-es-y-como-funciona/Deep learning - ¿qué es deep learning? (no date) IBM. Available at: https://www.ibm.com/cl-es/cloud/deep-learningAgencia Internacional para la Investigación del Cáncer. (2020). Globocan 2020: Estimated cancer incidence, mortality and prevalence worldwide in 2020. Recuperado de https://gco.iarc.fr/today/data/factsheets/populations/170-colombia-fact-sheets.pdfRevista Colombiana de Cancerología. (2018). Guía de práctica clínica para el manejo del cáncer colorrectal. Instituto Nacional de Cancerología. Recuperado de http://www.cancer.gov.co/adjuntos/article/3208/GPC_CANCER_COLORRECTAL_2018.pdfRevista de la Asociación Colombiana de Cirugía. (2017). Detección temprana del cáncer colorrectal en Colombia: ¿Qué tan lejos estamos?. 32(3), 205-212. Recuperado de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2011- 75822017000300205&lng=en&nrm=iso&tlng=enMinisterio de Salud y Protección Social. (1993). Resolución 8430 de 1993: Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud. Recuperado de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/RESOLUCION- 8430-DE-1993.PDFGarcía, M. (2018). La protección del derecho de autor en Colombia: ¿Qué es la DNDA y cuál es su función? Revista de Propiedad Intelectual, 25, 67-80.Asamblea Nacional Constituyente de Colombia. (1982). Ley 23 de 1982: Por la cual se establecen las disposiciones de propiedad intelectual. Bogotá, Colombia: Imprenta Nacional. Recuperado de https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3431Borkowski A.A., Bui M.M., Thomas L.B., Wilson C.P., DeLand L.A., Mastorides S.M. Lung and colon cancer histopathological image dataset (lc25000). arXiv. 2019 Available online: https://www.kaggle.com/datasets/andrewmvd/lung-and-colon-cancer-histopathological-imagesDecreto 1360 de 1989. (28 de julio de 1989). Por el cual se reglamenta la inscripción de soporte lógico (software) en el Registro Nacional del Derecho de Autor. Diario Oficial de la República de Colombia, 39099. Recuperado de https://www.derechodeautor.gov.co/documents/20143/160214/DECRETO+1360+DE+1989.pdfLey 44 de 1993, Diario Oficial de la República de Colombia, No. 40.067, del 27 de diciembre de 1993. Modifica y adiciona disposiciones a la Ley 23 de 1982, en lo relacionado con la protección de los derechos de propiedad intelectual. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=3429Ley 1915 de 2018, Diario Oficial de la República de Colombia, No. 50.794, del 22 de junio de 2018. Por el cual se Implementa disposiciones del Tratado de Libre Comercio (TLC) celebrado entre Colombia y Estados Unidos en materia de derecho de autor y derechos conexos en el entorno digital. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=8741https://apolo.unab.edu.co/en/persons/manuel-hernando-franco-ariasORIGINALTesis.pdfTesis.pdfTesisapplication/pdf2704550https://repository.unab.edu.co/bitstream/20.500.12749/23604/1/Tesis.pdff419209bf7bfca4761dbb62247bd92faMD51open accessLicencia.pdfLicencia.pdfLicenciaapplication/pdf1486269https://repository.unab.edu.co/bitstream/20.500.12749/23604/6/Licencia.pdf36212fde96a66fdff4c9a1880df6732dMD56metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/23604/5/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD55open accessTHUMBNAILTesis.pdf.jpgTesis.pdf.jpgIM Thumbnailimage/jpeg5519https://repository.unab.edu.co/bitstream/20.500.12749/23604/7/Tesis.pdf.jpge702d0e79130b6202f3e8faa3f0b6c31MD57open accessLicencia.pdf.jpgLicencia.pdf.jpgIM Thumbnailimage/jpeg10217https://repository.unab.edu.co/bitstream/20.500.12749/23604/8/Licencia.pdf.jpg8a06b87c64679a59e16b29572f768179MD58metadata only access20.500.12749/23604oai:repository.unab.edu.co:20.500.12749/236042024-02-23 22:02:08.16open accessRepositorio Institucional \| Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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

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

Publicaciones similares