Browsing by Subject "Lymph node"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Comparación de modelos de segmentación de área metastásica en imágenes histopatológicas de cáncer de mama para estimar carga tumoral
    (Pontificia Universidad Javeriana Cali, 2025) Castellano Carvajal, Diego Andrés; Castro Casadiego, Sergio Alexander
    El cáncer de mama se considera la neoplastia maligna más común en mujeres. En 2022, según los reportes de Organización Mundial de la Salud 2.3 millones de mujeres fueron diagnosticadas con cáncer de mama en todo el mundo y 670.000 murieron. En el proceso de crecimiento del cáncer de mama es probable que se produzca metastáticos en los ganglios linfáticos en la medida que el tumor se propague en los tejidos mamarios circundantes. El análisis manual de muestras histopatológicas para el reconocimiento de regiones metastásicas es una tarea demandante de tiempo y es propensa a la variabilidad entre los patólogos. En el presente trabajo, se muestra la implementación y comparación de modelos de aprendizaje profundo para segmentar regiones metastásicas y estimar carga tumoral. Se abordó la alta heterogeneidad intermuestral y la variabilidad inherente al análisis manual de muestras histopatológicas. Se utilizó el conjunto de datos CAMELYON16, aplicando técnicas de preprocesamiento como la normalización de color y el aumento de datos para mejorar la generalización. Se compararon cuatro arquitecturas, incluyendo el modelo híbrido propuesto UNet + ResNet50, Junto con ResNet50, UNet y DenseNet121. Los resultados establecieron que el modelo híbrido fue la solución más robusta y equilibrada, superando consistentemente a los demás modelos que presentaron signos de sobreajuste. El modelo híbrido demostró la mayor precisión en la estimación de la carga tumoral, manteniendo su superioridad integral y un equilibrio en las métricas clave.