1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Sonora
4. Instituto Tecnológico de Hermosillo
5. Tesis de Maestría
6. Maestría en Ciencias de la Computación

Título :	Sistema Inteligente para el Reconocimiento de Patrones de Carcinoma Ductal y Lobular utilizando Redes Neuronales Convolucionales.
Autor :	Sánchez Quintero, José R.
Fecha de publicación :	2020-08
Editorial :	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Hermosillo
Descripción :	En los últimos años, el cáncer de mama ha tenido una importancia clave en la salud publica, de acuerdo a la organización mundial de la salud (OMS), representa un 16 % de las morbilidades asociadas a canceres en mujeres. En México desde el año 2000, el estado de Sonora, se encuentra dentro de los primeros 10 lugares de morbilidad por cáncer de mama. Para acelerar el proceso de diagnostico, ´ universidades e institutos de investigación han implementado algoritmos de inteligencia artificial para apoyar el diagnostico oportuno. El departamento de patología del Hospital General del Estado de Sonora (HGE), no cuenta con herramientas tecnológicas que apoyen la carga de actividades. De esta manera, surge la necesidad de implementar modelos informáticos para mejorar el proceso de diagnosis. Este trabajo de investigación propone un sistema de clasificación de imágenes histológicas de carcinomas ductales y lobulares, describiendo el análisis y diseño del sistema, la recolección de biopsias de pacientes del HGE y la aplicación de algoritmos de inteligencia artificial. Para alcanzar el objetivo del sistema, se implementaron dos modelos de redes neuronales convoluciones: uno para la clasificación de imágenes de células y otro para tejidos completos. Los clasificadores finales se seleccionaron al comparar las métricas resultantes del entrenamiento y validación de diferentes modelos. Para la clasificación de células, el mejor modelo logró una precisión máxima de 89 %; mientras que el clasificador de tejidos, alcanzó una precisión de 96 % en las pruebas de funcionalidad. Teniendo como resultado, dos modelos que pueden ser de apoyo para los patólogos, en tareas de clasificación de cáncer de mama.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece en las colecciones:	Maestría en Ciencias de la Computación

Este ítem está protegido por copyright original Visualizar la licencia

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons