Castañeda Murcia, Zoila EmiliaVargas Sánchez, Germán GonzaloAngulo Gastelbondo, Allan Antonio2022-12-052022-12-052022https://hdl.handle.net/20.500.12495/9410En los últimos años hemos visto un rápido crecimiento en el uso de tecnologías basadas en Inteligencia Artificial (IA). Prueba de ello es que utilizamos dispositivos, aplicaciones informáticas o teléfonos celulares que realizan tareas relacionadas con la identificación biométrica (es decir, huellas dactilares, rasgos faciales, escaneo ocular). Las imágenes y los videos son editados fácilmente con filtros y efectos especiales por diferentes razones, incluso para engañar a otros. El Procesamiento de lenguaje natural (NLP) utiliza aplicaciones para convertir texto a voz o voz a texto, o para traducir entre idiomas. Este tipo de soluciones tecnológicas deben en gran medida su avance a: a) Estudios especializados en Matemáticas, Estadística, Cálculo, Álgebra Lineal, Optimización, entre otros. b) Los algoritmos de aprendizaje profundo, como las Redes neuronales convolucionales (CNN), son el resultado de los estudios enumerados anteriormente c) El avance en las Unidades de procesamiento de gráficos (GPU) da como resultado una potencia de cómputo de procesamiento paralelo de costo relativamente bajo d) La disponibilidad de plataformas colaborativas gratuitas basadas en la nube, como Google Colab, permiten el acceso a unidades de procesamiento GPU / TPU, memoria y almacenamiento que permiten a estudiantes e investigadores usar técnicas de aprendizaje profundo para implementar, usar y mejorar scripts y algoritmos. e) La cantidad y disponibilidad de datos de diferentes dominios de conocimiento. f) La evolución y desarrollo de las herramientas de código abierto, así como las comunidades en línea de expertos permiten una rápida transferencia de conocimientos y crean las bases y condiciones para el avance tecnológico. La industria de los juegos (gaming), así como la de los automóviles autónomos (vehículos autónomos) dependen en gran medida de la tecnología de visión por computador y se han beneficiado significativamente de estas condiciones progresivas. El uso de diagnóstico médico asistido por IA e imágenes digitales en Ciencias de la Salud todavía tiene un largo camino por recorrer. Por esta razón, decidimos aplicar una técnica de Deep Learning al área de Histología, construyendo una base de datos de imágenes curadas de placas histológicas que resaltan las estructuras celulares. Las imágenes de biopsias de piel humana sana fueron etiquetadas con melanocitos, células de Langerhans y queratinocitos (basales, hiperactivos y espinosos). Nuestros resultados demostraron que es posible utilizar la Inteligencia Artificial en el análisis de imágenes médicas de biopsias de piel humana normal, lo que abre posibilidades de apoyar el diagnóstico de cáncer de piel en un futuro cercano. Palabras clave: Inteligencia Artificial, Aprendizaje Automático, Aprendizaje Profundo, Detección digital de objetos, Redes Neuronales Convolucionales, Visión por Computador, Histología, YOLO v4spaAtribución-NoComercial-CompartirIgual 4.0 InternacionalInteligencia ArtificialAprendizaje AutomáticoAprendizaje ProfundoDetección digital de objetosRedes Neuronales ConvolucionalesVisión por ComputadorHistologíaYOLO v4Artificial IntelligenceMachine LearningDeep LearningDigital Object DetectionConvolutional Neural NetworksComputer VisionHistologyYOLO v4Acceso abiertoinfo:eu-repo/semantics/openAccesshttps://purl.org/coar/access_right/c_abf2