Modelo para la detección de cáncer de seno en imágenes histológicas a partir de aprendizaje profundo con múltiples anotadores

González Vélez, Juan Felipe; Buitrago Chávez, Jhoan Manuel

Modelo para la detección de cáncer de seno en imágenes histológicas a partir de aprendizaje profundo con múltiples anotadores

dc.contributor.advisor	Gil González, Julián
dc.contributor.author	González Vélez, Juan Felipe
dc.contributor.author	Buitrago Chávez, Jhoan Manuel
dc.date.accessioned	2024-08-22T15:55:15Z
dc.date.available	2024-08-22T15:55:15Z
dc.date.issued	2024
dc.description.abstract	El cáncer de seno es el tipo de cáncer más común en mujeres, por lo que la detección temprana de esta enfermedad es crucial para combatirla. Actualmente, una de las formas de detectar el cáncer de seno es mediante el análisis del tejido mamario a través de imágenes histológicas. Este análisis es un proceso tedioso que debe ser realizado por un experto. El aprendizaje automático puede ser útil para facilitar esta tarea; sin embargo, requiere una cantidad suficiente de información recolectada para su entrenamiento, lo cual es difícil de obtener debido a la escasez de expertos capaces de anotar las imágenes. En este proyecto se proponen diferentes modelos de aprendizaje profundo para la clasificación de imágenes histológicas, aprovechando las anotaciones de múltiples anotadores con diversos grados de experiencia y conocimiento. Los resultados de estos modelos fueron comparados con varios modelos clásicos de aprendizaje automático que utilizan las etiquetas verdaderas para su entrenamiento.
dc.description.abstracteng	Breast cancer is the most common type of cancer in women, making early detection of this disease crucial for combating it. Currently, one of the ways to detect breast cancer is through the analysis of breast tissue via histological images. This analysis is a tedious process that must be performed by an expert. Machine learning can be useful to facilitate this task; however, it requires a sufficient amount of collected information for training, which is difficult to obtain due to the scarcity of experts capable of annotating the images. In this project, different deep learning models are proposed for the classification of histological images, leveraging the annotations from multiple annotators with varying degrees of experience and knowledge. The results of these models were compared with several classical machine learning models that use true labels for their training.
dc.format.extent	67 p.
dc.format.mimetype	application/pdf
dc.identifier.uri	https://vitela.javerianacali.edu.co/handle/11522/3877
dc.language.iso	spa
dc.publisher	Pontificia Universidad Javeriana Cali
dc.publisher.faculty	Facultad de Ingeniería y Ciencias
dc.rights.accessrights	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Aprendizaje de máquina
dc.subject	Aprendizaje profundo
dc.subject	Múltiples anotadores
dc.subject	Cáncer de seno
dc.subject	Histología
dc.subject	Machine learning
dc.subject	Deep learning
dc.subject	Multiple annotators
dc.subject	Breast cancer
dc.subject	Histology
dc.thesis.discipline	Facultad de Ingeniería y Ciencias. Ingeniería de Sistemas y Computación
dc.thesis.grantor	Pontificia Universidad Javeriana Cali
dc.thesis.level	Pregrado
dc.thesis.name	Ingeniero(a)de Sistemas y Computación
dc.title	Modelo para la detección de cáncer de seno en imágenes histológicas a partir de aprendizaje profundo con múltiples anotadores	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.redcol	https://purl.org/redcol/resource_type/TP