Aranda Lozano, Diego FernandoBenincasa, TommasoJordán Ortega, Daniel José2020-07-022020-07-022019https://hdl.handle.net/20.500.12495/3297Este 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.application/pdfspaAttribution-NonCommercial-ShareAlike 4.0 InternationalCarcinoma ductal invasivoRedes convolucionalesImágenes510Prototipo para la clasificación automática de imágenes histológicas para medir el riesgo de carcinoma ductal invasivo usando redes neuronalesTesis/Trabajo de grado - Monografía - PregradoInvasive ductal carcinomaConvolutional networksImagesImágenes diagnósticas -- Técnicas digitalesRedes neurales artificialesCarcinomasinstname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coPrototype for automatic classification of histological images to measure the risk of invasive ductal carcinoma using neural networksAcceso abiertoinfo:eu-repo/semantics/openAccesshttps://purl.org/coar/access_right/c_abf22019