Identificación automática de riesgo de cáncer de cuello uterino aplicando deep learning en imágenes de colposcopia

Simple item page
dc.contributor.advisorVargas Cardona, Hernán Darío
dc.contributor.authorFuentes Esparza, César
dc.contributor.authorCorrea Bustamante, Julián Alexis
dc.contributor.authorCorrea Romero, Julián
dc.date.accessioned2025-11-07T13:44:56Z
dc.date.available2025-11-07T13:44:56Z
dc.date.issued2025
dc.description.abstractEl 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.spa
dc.description.abstractThe project focuses on the implementation of various deep learning models for the automated detection of cervical cancer through the classification of colposcopy images. It addresses the issue of diagnostic variability caused by human subjectivity and the lack of specialists in resource-limited areas. Its importance lies in improving the accuracy and accessibility of early diagnosis, which is crucial for the effective treatment of this disease—one of the leading causes of cancer-related death among women in developing countries. The proposed objectives include managing a database of labeled colposcopy images, training deep learning algorithms in Python to classify the images as normal or pathological, and validating the models using metrics such as Accuracy, Sensitivity, Specificity, F1-score, and AUC-ROC. The expected outcomes involve the implementation of models that enhance diagnostic precision, facilitating detection in underserved areas. Potential applications of this project include strengthening public health systems, supporting screening programs in rural communities, and incorporating automated tools to assist in the interpretation of colposcopic examinations. This advancement represents a significant contribution both to the field of artificial intelligence applied to medicine and to global efforts to reduce the morbidity and mortality associated with cervical cancer.eng
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent102 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5059
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectCáncerspa
dc.subjectCuello uterinospa
dc.subjectColposcopiaspa
dc.subjectNeoplasia intraepitelial cervical (NIC)spa
dc.subjectVirus del papiloma humano (VPH)spa
dc.subjectCancereng
dc.subjectColposcopyeng
dc.subjectCervical neckeng
dc.subjectCervical intraepithelial neoplasia (CIN)eng
dc.subjectHuman papillomavirus (HPV)eng
dc.titleIdentificación automática de riesgo de cáncer de cuello uterino aplicando deep learning en imágenes de colposcopiaspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Julián Correa Romero,Julián Alexis Correa Bustamante,Cesar Fuentes Esparza.pdf
Size:
34.09 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Julián Correa Romero,Julián Alexis Correa Bustamante,Cesar Fuentes Esparza.pdf
Size:
167.09 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos