Publicación:
Aplicación de un sistema de redes neuronales para detectar y clasificar patologías pulmonares mediante imágenes diagnósticas

Vista sencilla de ítem
dc.contributor.advisorRique Sabogal, Angie Paola
dc.contributor.authorCarrera Camargo, Yesica Carrera
dc.contributor.authorHernández Vargas, Diego Alberto
dc.contributor.authorMayorga Parra, Andrés Fernando
dc.contributor.corporatenameFundación Universitaria Compensar
dc.contributor.researchgroupIngenierías - GIIS
dc.date.accessioned2024-09-16T17:49:20Z
dc.date.available2024-09-16T17:49:20Z
dc.date.issued2024
dc.description.abstractEl cáncer de pulmón es una de las principales causas de mortalidad a nivel mundial, en América del Sur y Colombia, presentando altas tasas de mortalidad; situación por la cual su detención temprana es crucial para mejorar las tasas de supervivencia de aquellos quienes padecen dicha patología. En este sentido y haciendo uso de los avances tecnológicos como las redes neuronales convolucionales que apoye en la detección temprana de las enfermedades pulmonares como: Atelectasia, infiltración, masa o nódulos, se establece el uso y evaluación de los algoritmos de aprendizaje profundo Adam y SGDM para clasificar y detectar dichas patologías haciendo uso de las imágenes médicas es Adam y SGM; obteniendo una precisión de 87.30% en el entrenamiento y validación con SGDM en Matlab 2022a.spa
dc.description.degreelevelPregrado
dc.description.degreenameProfesional en Ingeniería de Sistemas
dc.format.extent118 Páginas
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://repositoriocrai.ucompensar.edu.co/handle/compensar/5357
dc.publisherFundación Universitaria Compensar
dc.publisher.facultyFacultad de Ingeniería y Tecnología
dc.publisher.placeBogotá D.C.
dc.publisher.programProfesional en Ingeniería de Sistemas
dc.relation.referencesAdam . (s.f.). Obtenido de Interactive Chaos: https://interactivechaos.com/es/manual/tutorial-de-machine-learning/adam
dc.relation.referencesadslzone.net. (s.f.). Qué es Windows Powershell y cómo puedes sacarle partido. Obtenido de https://www.adslzone.net/esenciales/preguntas/que-es-powershell/
dc.relation.referencesAlonso, F. (s.f.). Redes neuronales y deep learning. Capítulo 2: La neurona. Obtenido de FutureSpace: https://www.futurespace.es/redes-neuronales-y-deep-learning capitulo-2-la-neurona/
dc.relation.referencesAlonso, J. L. (15 de 06 de 2022). ¿Qué es TensorFlow y para qué sirve? Obtenido de Incentro: https://www.incentro.com/es-ES/blog/que-es-tensorflow
dc.relation.referencesAndres, D. (4 de Octubre de 2022). Gradiente descendente. Obtenido de Machine Learning Pills : https://mlpills.dev/machine-learning-es/gradiente-descendente/
dc.relation.referencesartificial, V. (s.f.). wikipedia.org. Obtenido de https://es.wikipedia.org/wiki/Visi%C3%B3n_artificial
dc.relation.referencesAWS. (s.f.). ¿Qué es JavaScript (JS)? Obtenido de https://aws.amazon.com/es/what is/javascript/
dc.relation.referencesAWS. (s.f.). ¿Qué es Python? Obtenido de Explicación del lenguaje Python : https://aws.amazon.com/es/what is/python/#:~:text=Python%20es%20un%20lenguaje%20de,ejecutar%20en%20m uchas%20plataformas%20diferentes
dc.relation.referencesAWS. (2023). ¿Qué es una red neuronal? Obtenido de Explicación de las redes neuronales artificiales: https://aws.amazon.com/es/what-is/neural-network/
dc.relation.referencesBernal Cárdenas, C. Y. (18 de 03 de 2018). Modelo conceptual del manejo del síntoma: evaluación y crítica. Obtenido de https://aquichan.unisabana.edu.co/index.php/aquichan/article/view/8574
dc.relation.referencesBY-NC, C. (s.f.). ResearchGate. Obtenido de Infiltrados pulmonares bilaterales.: https://www.researchgate.net/figure/Figura-1-Infiltrados-pulmonares bilaterales_fig1_34126843
dc.relation.referencesCalleja, A. M. (2022). Archivo Digital UPM. Obtenido de Aplicación de redes neuronales al diagnóstico, a partir de imágenes, de enfermedades neurodegenerativas: https://oa.upm.es/71636/
dc.relation.referencesCalvo, D. (13 de Julio de 2017). Clasificación de redes neuronales artificiales. Obtenido de https://www.diegocalvo.es/clasificacion-de-redes-neuronales-artificiales/
dc.relation.referencesCáncer, I. N. (s.f.). Diccionario de cáncer del NCI. Obtenido de https://www.cancer.gov/espanol/publicaciones/diccionarios/diccionario cancer/def/enfermedad-pulmona
dc.relation.referencesCáncer, I. N. (s.f.). Radiografía del Tórax. Obtenido de https://www.cancer.gov/espanol/publicaciones/diccionarios/diccionario cancer/def/radiografia-del-torax
dc.relation.referencesCancerología, I. N. (s.f.). Cáncer de Pulmón. Obtenido de https://www.cancer.gov.co/conozca sobre-cancer-1/informacion-sobre-cancer-para-pacientes/tipos-cancer/cancer pulmon
dc.relation.referencesCancerología, R. C. (Abril - Junio de 2023). Desenlaces clínicos de pacientes con cáncer de pulmón de célula no pequeña temprano manejados quirúrgicamente en Bogotá.
dc.relation.referencesColombia, D. (s.f.). Inteligencia Artificial en Salud. Obtenido de Transformando los sistemas y los seguros médicos de Latinoamérica: https://www2.deloitte.com/co/es/pages/life sciences-and-healthcare/articles/inteligencia-artificial-en-salud.html
dc.relation.referencescomputación, C. d. (18 de Enero de 2024). ¿Cómo puede garantizar la precisión de su red neuronal convolucional? Obtenido de linkedin: https://es.linkedin.com/advice/0/how-can-you-ensure-accuracy-your convolutional-dgkvc?lang=es
dc.relation.referencesDataScientest. (s.f.). Convolutional Neural Network : definición y funcionamiento. Obtenido de https://datascientest.com/es/convolutional-neural-network-es
dc.relation.referencesDatos, F. E. (7 de Febrero de 2024). ¿Cómo aprovechar el rendimiento de la matriz de confusión? Obtenido de DataScientest.com: https://datascientest.com/es/matriz-de confusion#:~:text=La%20matriz%20de%20confusi%C3%B3n%2C%20tambi%C3% A9n,deben%20ser%20clasificados%20como%20spam
dc.relation.referencesDeep Learning y Redes Neuronales Artificiales. (31 de Mayo de 2022). Obtenido de Noddar: https://nodd3r.com/blog/deep-learning-y-redes-neuronales-artificiales
dc.relation.referencesDelgado, D. O. (29 de Marzo de 2017). Openwebinars. Obtenido de Qué es C#: Introducción: https://openwebinars.net/blog/que-es-c-introduccion
dc.relation.referencesDomínguez Torres, A. (abril - Junio de 1996). Procesamiento digital de Imágenes. Obtenido de Instituto de Investigaciones sobre la Universidad y la Educación: https://www.redalyc.org/pdf/132/13207206.pdf
dc.relation.referencesDomínguez, M. (15 de Agosto de 2022). El Español. Obtenido de El nuevo factor de riesgo del cáncer de pulmón aunque no seas fumador: https://www.elespanol.com/ciencia/salud/20220815/nuevo-factor-riesgo-cancer pulmon-no-fumador/694680855_0.html
dc.relation.referencesEquipo editorial, E. (9 de Junio de 2013). Importancia de la tecnología en la vida cotidiana. Obtenido de https://concepto.de/importancia-de-la-tecnologia-en-la-vida-cotidiana/
dc.relation.referencesErick Moen, D. B. (27 de 05 de 2019). Aprendizaje profundo para el análisis de imágenes celulares. Obtenido de https://www.nature.com/articles/s41592-019-0403-1
dc.relation.referencesFasterCapital. (s.f.). Técnicas De Entrenamiento Y Optimización De Redes Neuronales. Obtenido de https://fastercapital.com/es/tema/t%C3%A9cnicas-de-entrenamiento-y optimizaci%C3%B3n-de-redes-neuronales.html
dc.relation.referencesFawcett, J. (2009). El Modelo de Adaptación de Roy. Obtenido de https://aquichan.unisabana.edu.co/index.php/aquichan/article/view/78
dc.relation.referencesFuyong Xing, T. C. (2021). Capítulo 11 - Inteligencia artificial para patología. En Inteligencia artificial en medicina (págs. 183-221)
dc.relation.referencesGeeksforgeeks. (20 de Marzo de 2024). ¿Qué es Adam Optimizer? Obtenido de https://www.geeksforgeeks.org/adam-optimizer/
dc.relation.referencesIBM. (s.f.). ¿Qué es el descenso de gradiente? Obtenido de https://www.ibm.com/mx es/topics/gradient descent#:~:text=El%20descenso%20de%20gradiente%20estoc%C3%A1stico,f%C3 %A1cil%20almacenarlos%20en%20la%20memoria
dc.relation.referencesJ. Trujillano. (2003). Aplicación de las redes neuronales artificiales para la estratificación de riesgo de mortalidad hospitalaria. España. Obtenido de Aplicación de las redes neuronales artificiales para la estratificación de riesgo de mortalidad hospitalaria.
dc.relation.referencesKarr, D. (19 de Abril de 2023). Martech Zone Acronyms, Martech Zone. Obtenido de Que es Unidad Lineal Rectificada?: https://es.martech.zone/acronym/relu
dc.relation.referencesKravets, A. (18 de Febrero de 2022). Towardsdatascience. Obtenido de Propagación hacia adelante y hacia atrás en redes neuronales convolucionales: https://towardsdatascience.com/forward-and-backward-propagation-in convolutional-neural-networks-64365925fdfa
dc.relation.referencesLa, F. L. (Abril de 2019). Microsoft. Obtenido de ¿Cómo aprenden las redes neuronales?: https://learn.microsoft.com/es-es/archive/msdn-magazine/2019/april/artificially intelligent-how-do-neural-networks-learn
dc.relation.referencesLearning, A. M. (29 de Noviembre de 2018). ¿Cómo funcionan las Convolutional Neural Networks? Visión por Ordenador. Obtenido de https://www.aprendemachinelearning.com/como-funcionan-las-convolutional neural-networks-vision-por-ordenador/
dc.relation.referencesLeCun, Y. B. (2015). Deep learning. nature, 521. Obtenido de https://www.redalyc.org/journal/3783/378362738008/html/
dc.relation.referencesLeidy Alexandra Jiménez Forero. (s.f.). Cuenta de Alto Costo. Obtenido de Día mundial del cáncer de pulmón 2023: https://cuentadealtocosto.org/cancer/dia-mundial-del pulmon-2023/
dc.relation.referencesMachinelearning, A. (12 de Septiembre de 2018). Breve Historia de las Redes Neuronales Artificiales. Obtenido de https://www.aprendemachinelearning.com/breve-historia de-las-redes-neuronales-artificiales/
dc.relation.referencesMartín, D. L. (2018). e-medida Revista española de Metrologia. Obtenido de https://www.e medida.es/numero-9/la-imagen-en-el-diagnostico-medico-y-en-terapia/
dc.relation.referencesMartínez, D. G. (04 de 04 de 2023). Topdoctors. Obtenido de Enfermedades Pulmonares: tipos y cómo clasificarlas: https://www.topdoctors.com.co/articulos medicos/enfermedades-pulmonares-tipos-y-como-clasificarlas/
dc.relation.referencesMartínez, J. (s.f.). Data Smarts. Obtenido de Redes Neuronales Convolucionales en Profundidad: https://datasmarts.net/es/redes-neuronales-convolucionales-en profundidad/
dc.relation.referencesMATA, L. (2005). Comparación de la Tomografía Axial Computarizada con el estudio anatomopatológico en el estadiaje ganglionar del cáncer de pulmón. En L. MATA, Oncología (págs. 343-350). Barcelona.
dc.relation.referencesMathWorks. (s.f.). MATLAB. Obtenido de https://la.mathworks.com/products/matlab.html
dc.relation.referencesMathWorks. (s.f.). Redes neuronales convolucionales. Obtenido de https://es.mathworks.com/discovery/convolutional-neural-network.html
dc.relation.referencesMathworks. (s.f.). trainNetwork. Obtenido de https://la.mathworks.com/help/deeplearning/ref/trainnetwork.htm
dc.relation.referencesMayoclinic. (22 de Marzo de 2022). Cáncer de pulmón. Obtenido de https://www.mayoclinic.org/es/diseases-conditions/lung-cancer/diagnosis treatment/drc 20374627#:~:text=Entre%20las%20pruebas%2C%20se%20pueden,detecten%20e n%20los%20rayos%20X
dc.relation.referencesMayoclinic. (s.f.). Radiografía. Obtenido de https://www.mayoclinic.org/es/tests procedures/x-ray/about/pac-20395303
dc.relation.referencesMD, A. R. (1999). REVISTA DE LA FACULTADDE MEDICINA UNIVERSIDAD NACIONAL DE COLOMBIA Asociación de Exalumnosde la Facultad. Obtenido de https://revistas.unal.edu.co/index.php/revfacmed/article/view/19455/20429
dc.relation.referencesMD, A. R. (1999). REVISTA DE LA FACULTADDE MEDICINA UNIVERSIDAD NACIONAL DE COLOMBIA Asociación de Exalumnosde la Facultad. Obtenido de https://revistas.unal.edu.co/index.php/revfacmed/article/view/19455/20429
dc.relation.referencesMedicine, N. L. (2024). Cáncer de Pulmón. Obtenido de MedlinePlus: https://medlineplus.gov/spanish/lungcancer.html#:~:text=El%20c%C3%A1ncer%2 0de%20pulm%C3%B3n%20es,tanto%20en%20hombres%20como%20mujeres
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposalDiagnóstico asistidospa
dc.subject.proposalImágenes médicas digitalesspa
dc.subject.proposalRedes neuronalesspa
dc.titleAplicación de un sistema de redes neuronales para detectar y clasificar patologías pulmonares mediante imágenes diagnósticasspa
dc.typeTrabajo de grado - Pregrado
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dspace.entity.typePublication

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
GIIS-13-A (1)_Angie Paola Rique Sa.pdf
Tamaño:
2.12 MB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
Cesión_Derechos_Trabajo_CRAI (1)_Angie Paola Rique Sa.pdf
Tamaño:
116.82 KB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
15.18 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

ABA. Ingeniería de Sistemas