Buscar en Google Scholar
Título: Diagnóstico dermatoscópico: Uso de CNNs para la identificación de melanomas. Una revisión de literatura
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2024
Institución: Universidad César Vallejo
Resumen: El uso de redes neuronales convolucionales (CNN) en dermatología ha transformado el diagnóstico de melanoma, abordando la variabilidad interobservador y mejorando la precisión diagnóstica. Este artículo de revisión analiza cómo las CNN han demostrado ser eficaces al identificar lesiones cutáneas, incluidos los melanomas, rivalizando e incluso superando la precisión de los dermatólogos expertos. A través de la integración de grandes volúmenes de datos de imágenes dermatoscópicas, estas redes identifican patrones sutiles y características que mejoran la detección temprana y la precisión del diagnóstico. Se revisan múltiples arquitecturas de CNN, como ResNet, DenseNet, y EfficientNet, destacando su rendimiento superior en la clasificación precisa de melanomas. Además, se discuten factores influyentes como la selección de arquitecturas y técnicas de preprocesamiento de imágenes que optimizan la precisión de estos modelos. Este análisis de literatura subraya el potencial de las CNN para revolucionar el campo dermatológico, ofreciendo herramientas poderosas para la mejora continua del diagnóstico y tratamiento del melanoma.
Disciplina académico-profesional: Ingeniería de Sistemas
Institución que otorga el grado o título: Universidad César Vallejo. Facultad de Ingeniería y Arquitectura
Grado o título: Bachiller en Ingeniería de Sistemas
Jurado: Quinteros Navarro, Dino Michael
Fecha de registro: 22-ene-2025



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