Look-up in Google Scholar
Full metadata record
Bravo Ruiz, Jaime Arturo
Crisanto Matallana, Jesus Elmer
Vilchez Chaname, Loisabett
2024-11-26T16:48:25Z
2024-11-26T16:48:25Z
2024
https://hdl.handle.net/20.500.12802/13555
La enfermedad del cáncer del cuello uterino requiere de un diagnóstico certero y anticipado por consiguiente que el objetivo de la investigación fue evaluar la efectividad de algoritmos de aprendizaje automático en la detección de cáncer cervical a partir de imágenes de Papanicolaou. Para ello, se implementaron redes neuronales convolucionales (CNN), DenseNet121 con capas de CNN, CNN con dropout y SVM con extracción de características, sin utilizar transferencia de aprendizaje. El datasetda utilizado constó de 4049 imágenes, de las cuales el 80% se destinó al entrenamiento y el 20% a la validación. Se llevó a cabo un exhaustivo análisis del consumo de CPU, el uso de RAM y el tiempo de respuesta para cada clasificador de aprendizaje automático. Además, se documentó detalladamente el proceso de implementación de los algoritmos, incluyendo la construcción de una matriz de confusión y el cálculo de métricas de desempeño como precisión, sensibilidad, especificidad y F1-score. Los resultados obtenidos demostraron que CNN combinado con dropout fue altamente efectiva en la detección de cáncer cervical, con altos niveles de precisión (90%), exactitud (90.5%) y puntuación F1 (90.5%). Estos hallazgos respaldan la efectividad de los algoritmos de aprendizaje automático en la detección precisa de cáncer cervical. En conclusión, el estudio evidenció que los algoritmos de aprendizaje automático son una herramienta prometedora para la detección temprana y precisa del cáncer de cáncer cervical, lo que podría tener un impacto significativo en la mejora de los cuidados de salud para las mujeres. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Señor de Sipán (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (*)
Repositorio Institucional - USS (es_PE)
Repositorio Institucional USS (es_PE)
Aprendizaje profundo (es_PE)
Papanicolaou (es_PE)
Cáncer cervical (es_PE)
Detección (es_PE)
Análisis de algoritmos de aprendizaje automático para la detección de cáncer de cuello uterino utilizando imágenes de papanicolaou (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo (es_PE)
Ingeniería de Sistemas (es_PE)
Ingeniero de Sistemas (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
17610253
https://orcid.org/0000-0002-5913-990X (es_PE)
74769194
48431457
612076 (es_PE)
Atalaya Urrutia, Carlos William
Bances Saavedra, David Enrique
Bravo Ruiz, Jaime Arturo
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria



This item is licensed under a Creative Commons License Creative Commons