Browsing by Subject "Cuello uterino"

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Colombian overview of breast, cervix and prostate cancer
    (Pontificia Universidad Javeriana Cali) Solano Dazzarola, Paola Andrea; Grilló, Gerardo Andrés; López, Jorge Andrés; Montoya Cobo, Estefanía
  • Thumbnail Image
    Item
    Identificación automática de riesgo de cáncer de cuello uterino aplicando deep learning en imágenes de colposcopia
    (Pontificia Universidad Javeriana Cali, 2025) Fuentes Esparza, César; Correa Bustamante, Julián Alexis; Correa Romero, Julián; Vargas Cardona, Hernán Darío
    El proyecto se enfoca en la implementación de diferentes modelos de deep learning para la detección automatizada de cáncer de cuello uterino mediante la clasificación de imágenes de colposcopia, abordando la problemática de la variabilidad en los diagnósticos debido a la subjetividad humana y la falta de especialistas en áreas con recursos limitados. Su importancia radica en mejorar la precisión y accesibilidad del diagnóstico temprano, crucial para el tratamiento efectivo de esta enfermedad, la cual es una de las principales causas de muerte por cáncer entre mujeres en países en desarrollo. Los objetivos propuestos incluyen la gestión de una base de datos de imágenes de colposcopia etiquetadas, el entrenamiento de algoritmos de deep learning en Python para clasificar las imágenes en normales o patológicas, y la validación de los modelos mediante métricas como Exactitud, Sensibilidad, Especificidad, F1-score y AUC-ROC. Se esperaba como resultados la implementación de modelos que mejorarán la precisión diagnóstica, facilitando la detección en áreas con recursos limitados. Las posibles aplicaciones de este proyecto incluyen el fortalecimiento de sistemas de salud pública, el apoyo a programas de tamizaje en comunidades rurales y la incorporación de herramientas automatizadas que contribuyan en la interpretación de exámenes colposcópicos. Este avance representó un aporte significativo tanto al campo de la inteligencia artificial aplicada a la medicina como a los esfuerzos globales por disminuir la morbilidad y mortalidad asociadas con el cáncer cervical.
  • Thumbnail Image
    Item
    Segmentación del cuello uterino en imágenes de colposcopia mediante técnicas de aprendizaje de máquina
    (Pontificia Universidad Javeriana Cali, 2024) Bolaños Semanate, Ana María; Hurtado Bustos, Santiago; Vargas Cardona, Hernán Darío
    El virus del papiloma humano (VPH) es una enfermedad de transmisión sexual que puede desencadenar cáncer de cuello uterino, siendo esta la cuarta neoplasia más frecuente en las mujeres a nivel mundial y la segunda a nivel nacional, convirtiéndose en uno de los principales problemas de salud pública. Por esta situación, actualmente se realizan diferentes campañas de salud que promueven los exámenes de tamización del cáncer de cuello uterino como: citología, colposcopia y prueba del virus del papiloma humano, los cuales permiten la detección de esta enfermedad. Sin embargo, los tiempos de espera para obtener los resultados son altos debido a la infraestructura deficiente de los laboratorios, incluso las pruebas recolectadas en los exámenes están sujetas a una manipulación o almacenamiento inadecuado afectando el diagnóstico, ocasionando que la prueba se deba tomar de nuevo, postergando el diagnóstico. Ante esta situación donde la salud de millones de mujeres se ve afectada cada año, se opta por aprovechar las imágenes de colposcopia para analizar el estado del cuello uterino mediante técnicas de aprendizaje de máquina como una herramienta para soportar el diagnóstico de las pacientes, empleando métodos supervisados y no supervisados, para mejorar el tiempo de diagnóstico de esta enfermedad, debido a que esto permite evaluar un gran número de datos en menor tiempo. Con el fin de ayudar a dar solución a este problema de salud pública, se desarrolló un aplicativo de escritorio que cuenta con modelos de aprendizaje supervisado y no supervisado. Para llegar a este producto fue necesario acondicionar las bases de datos para que las imágenes sean uniformes, revisar documentación de trabajos previos, así como también modelos, para poder implementarlos, finalmente se evaluaron todos los modelos para definir cuales cumplen con las métricas establecidas que garantizan un buen rendimiento para el proyecto de CITOBOT, el cual es financiado por Minciencias y está siendo desarrollado por un equipo multidisciplinario de las facultades de ingeniería y ciencias de la salud, en colaboración con la ESE Ladera de la ciudad de Cali.