Buscar en Google Scholar
Título: Clasificación de lesiones en imágenes dermatoscópicas usando redes convolucionales profundas, transfer learning, congelamiento de capa óptima y ensamblado
Asesor(es): Herrera Quispe, José Alfredo
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2023
Institución: Universidad Nacional Mayor de San Marcos
Resumen: Optimiza el desempeño en la clasificación de imágenes dermatoscópicas en 7 tipos de lesiones mediante el uso de redes neuronales convolucionales profundas con transfer learning, congelamiento de capa óptima y ensamblado. La visión computacional y las redes neuronales convolucionales profundas han tenido un impacto significativo en la actividad médica, siendo utilizadas para el diagnóstico de enfermedades mediante imágenes y detección de patrones. Los resultados del estudio demuestran una mejora en el desempeño de la clasificación del diagnóstico al aplicar un método novedoso de congelamiento mediante búsqueda binaria mejorando su exactitud hasta un 3.18 %. Además, se compara este enfoque con la propuesta de Nagae, que utiliza algoritmos genéticos para el congelamiento de capas, obteniendo en algunos casos una mejora de hasta un 2.65% en exactitud. Posteriormente, se aplican diversos métodos de ensamblado para mejorar hasta un 4.69% en exactitud.
Disciplina académico-profesional: Ingeniería de Sistemas e informática con mención en Ingeniería de Software
Institución que otorga el grado o título: Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Unidad de Posgrado
Grado o título: Magíster en Ingeniería de Sistemas e informática con mención en Ingeniería de Software
Jurado: Mauricio Sánchez, David Santos; La Serna Palomino, Nora Bertha; Rodriguez Rodriguez, Ciro
Fecha de registro: 10-ene-2024



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