Segmentación del cuello uterino en imágenes de colposcopia mediante técnicas de aprendizaje de máquina

El virus del papiloma humano (VPH) es una enfermedad de transmisión sexual que puede desencadenar cáncer de cuello uterino, siendo esta la cuarta neoplasia más frecuente en las mujeres a nivel mundial y la segunda a nivel nacional, convirtiéndose en uno de los principales problemas de salud pública....

Full description

Autores:
Bolaños Semanate, Ana María
Hurtado Bustos, Santiago
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Pontificia Universidad Javeriana Cali
Repositorio:
Vitela
Idioma:
spa
OAI Identifier:
oai:vitela.javerianacali.edu.co:11522/2662
Acceso en línea:
https://vitela.javerianacali.edu.co/handle/11522/2662
Palabra clave:
Segmentación
Aprendizaje de máquina
Cuello uterino
Imágenes de colposcopia
VPH
Rights
License
https://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:El virus del papiloma humano (VPH) es una enfermedad de transmisión sexual que puede desencadenar cáncer de cuello uterino, siendo esta la cuarta neoplasia más frecuente en las mujeres a nivel mundial y la segunda a nivel nacional, convirtiéndose en uno de los principales problemas de salud pública. Por esta situación, actualmente se realizan diferentes campañas de salud que promueven los exámenes de tamización del cáncer de cuello uterino como: citología, colposcopia y prueba del virus del papiloma humano, los cuales permiten la detección de esta enfermedad. Sin embargo, los tiempos de espera para obtener los resultados son altos debido a la infraestructura deficiente de los laboratorios, incluso las pruebas recolectadas en los exámenes están sujetas a una manipulación o almacenamiento inadecuado afectando el diagnóstico, ocasionando que la prueba se deba tomar de nuevo, postergando el diagnóstico. Ante esta situación donde la salud de millones de mujeres se ve afectada cada año, se opta por aprovechar las imágenes de colposcopia para analizar el estado del cuello uterino mediante técnicas de aprendizaje de máquina como una herramienta para soportar el diagnóstico de las pacientes, empleando métodos supervisados y no supervisados, para mejorar el tiempo de diagnóstico de esta enfermedad, debido a que esto permite evaluar un gran número de datos en menor tiempo. Con el fin de ayudar a dar solución a este problema de salud pública, se desarrolló un aplicativo de escritorio que cuenta con modelos de aprendizaje supervisado y no supervisado. Para llegar a este producto fue necesario acondicionar las bases de datos para que las imágenes sean uniformes, revisar documentación de trabajos previos, así como también modelos, para poder implementarlos, finalmente se evaluaron todos los modelos para definir cuales cumplen con las métricas establecidas que garantizan un buen rendimiento para el proyecto de CITOBOT, el cual es financiado por Minciencias y está siendo desarrollado por un equipo multidisciplinario de las facultades de ingeniería y ciencias de la salud, en colaboración con la ESE Ladera de la ciudad de Cali.