Buscar en Google Scholar
Registro completo de metadatos
Paiva-Peredo, Ernesto
Salas Padilla, Adrian Edgardo (es_PE)
2024-12-17T14:37:22Z
2024-12-17T14:37:22Z
2024-11-16
http://hdl.handle.net/10757/683335
En el presente trabajo se desarrolla el diseño de una plataforma de IA para la detección temprana de enfermedades de la piel a través de análisis de imágenes con la finalidad de evitar la evolución o proliferación causando males de mayor seriedad o irreversibles. Este proyecto presenta un sistema de detección automática de afecciones dermatológicas mediante un modelo de red neuronal convolucional (CNN). Se comenzó con la recopilación de una base de datos de imágenes de piel, organizadas en categorías como acné, piel sana y otras condiciones. Las imágenes fueron sometidas a un preprocesamiento que incluyó redimensionamiento y normalización para asegurar la consistencia en el entrenamiento. A partir de esto, se desarrolló una CNN diseñada para identificar patrones visuales específicos de cada afección, optimizando su arquitectura para alcanzar una alta precisión. La evaluación del modelo se realizó utilizando métricas de rendimiento como precisión y sensibilidad, lo que permitió ajustar parámetros y mejorar su capacidad de diagnóstico. Finalmente, el modelo se implementó en una aplicación con interfaz gráfica, permitiendo al usuario cargar imágenes y recibir un diagnóstico acompañado de recomendaciones de tratamiento. Se determinó un porcentaje de acierto de un 88.01%. Este sistema proporciona una herramienta accesible y fácil de usar para la detección preliminar de problemas de piel, facilitando la toma de decisiones y promoviendo el cuidado temprano de la salud dermatológica.
This work develops the design of an AI platform for the early detection of skin diseases through image analysis in order to prevent the evolution or proliferation causing more serious or irreversible diseases. This project presents an automatic detection system for dermatological conditions using a convolutional neural network (CNN) model. It began with the collection of a database of skin images, organized into categories such as acne, healthy skin, and other conditions. The images were subjected to preprocessing that included resizing and normalization to ensure consistency in training. From this, a CNN designed to identify condition-specific visual patterns was developed, optimizing its architecture to achieve high accuracy. The evaluation of the model was performed using performance metrics such as accuracy and sensitivity, which allowed adjusting parameters and improving its diagnostic capability. Finally, the model was implemented in an application with a graphical interface, allowing the user to upload images and receive a diagnosis accompanied by treatment recommendations. A success rate of 88.01% was determined. This system provides an accessible and easy-to-use tool for the preliminary detection of skin problems, facilitating decision making and promoting early dermatologic health care.
Trabajo de suficiencia profesional (es_PE)
application/pdf (en_US)
application/epub (en_US)
application/msword (en_US)
spa (es_PE)
Universidad Peruana de Ciencias Aplicadas (UPC) (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-sa/4.0/ (*)
Universidad Peruana de Ciencias Aplicadas (UPC) (es_PE)
Repositorio Académico - UPC (es_PE)
Clasificación
Red neuronal convolucional (CNN)
Diagnóstico de piel
Procesamiento de imágenes
Afecciones dermatológicas
Classification
Convolutional neural network (CNN)
Skin diagnostics
Image processing
Dermatological conditions
Diseño de una plataforma de IA para la detección temprana de enfermedades de la piel a través de análisis de imágenes (es_PE)
Design of an AI platform for early detection of skin diseases through image analysis
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Peruana de Ciencias Aplicadas (UPC). Facultad de Ingeniería (es_PE)
Ingeniería Mecatrónica (es_PE)
Licenciatura (es_PE)
Ingeniero Mecatrónico (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.03.01
https://purl.org/pe-repo/ocde/ford#2.00.00 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
47170925
0000-0002-9780-3218 (es_PE)
72712226
713096 (es_PE)
Klusmann Vieira, Hermann Mirko
Lara Quispe, Miguel Alfonso
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria



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