Prototipo para la clasificación automática de imágenes histológicas para medir el riesgo de carcinoma ductal invasivo usando redes neuronales

Vista sencilla de ítem
dc.contributor.advisorAranda Lozano, Diego Fernando
dc.contributor.advisorBenincasa, Tommaso
dc.contributor.authorJordán Ortega, Daniel José
dc.contributor.orcidBenincasa, Tommaso [0000-0002-3159-1515]
dc.date.accessioned2020-07-02T16:00:53Z
dc.date.available2020-07-02T16:00:53Z
dc.date.issued2019
dc.description.abstractEste trabajo de grado se centra en el diseño e implementación de un prototipo basado en redes neuronales, específicamente de aprendizaje profundo (Deep Learning), capaz de clasificar de manera automática imágenes histológicas con Carcinoma Ductal Invasivo. El Carcinoma Ductal Invasivo, a veces denominado Carcinoma Ductal Infiltrante, es el tipo más común de cáncer de mama y alrededor del 80% de todos los casos de cáncer de mama son de esta naturaleza. Se utilizó para ello una variante de la red VVGNet 14 y redes neuronales convolucionales, con los cuales se logró un prototipo con una capacidad aproximada de 79% de sensibilidad y 79% de especificidad en el reconocimiento de imágenes histológicas con CDI.spa
dc.description.abstractenglishThis degree project focuses on the design and implementation of a prototype based on neural networks, specifically Deep Learning, capable of automatically classifying histological images with Invasive Ductal Carcinoma. Invasive Ductal Carcinoma sometimes called Infiltrating Ductal Carcinoma, is the most common type of breast cancer and about 80% of all cases belong to this class. A variant of the VVGNet 14 network and convolutional neural networks were used for this purpose, resulting in a prototype with an approximate capacity of 79% sensitivity and 79% specificity in the recognition of histological images with CDI.eng
dc.description.degreelevelPregradospa
dc.description.degreenameMatemáticasspa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad El Bosquespa
dc.identifier.reponamereponame:Repositorio Institucional Universidad El Bosquespa
dc.identifier.repourlrepourl:https://repositorio.unbosque.edu.co
dc.identifier.urihttps://hdl.handle.net/20.500.12495/3297
dc.language.isospa
dc.publisher.facultyFacultad de Cienciasspa
dc.publisher.grantorUniversidad El Bosquespa
dc.publisher.programMatemáticasspa
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightshttps://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons2019
dc.rights.localAcceso abiertospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectCarcinoma ductal invasivospa
dc.subjectRedes convolucionalesspa
dc.subjectImágenesspa
dc.subject.armarcImágenes diagnósticas -- Técnicas digitalesspa
dc.subject.armarcRedes neurales artificialesspa
dc.subject.armarcCarcinomasspa
dc.subject.ddc510
dc.subject.keywordsInvasive ductal carcinomaspa
dc.subject.keywordsConvolutional networksspa
dc.subject.keywordsImagesspa
dc.titlePrototipo para la clasificación automática de imágenes histológicas para medir el riesgo de carcinoma ductal invasivo usando redes neuronalesspa
dc.title.translatedPrototype for automatic classification of histological images to measure the risk of invasive ductal carcinoma using neural networksspa
dc.type.coarhttps://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttps://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTesis/Trabajo de grado - Monografía - Pregradospa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
Jordán_Ortega_Daniel_José_2019.pdf
Tamaño:
1.51 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Jordán_Ortega_Daniel_José_2019_carta_de_autorización.pdf
Tamaño:
1.79 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Matemáticas