Sistema basado en deep learning para el análisis de imágenes de cápsula endoscópica del intestino delgado

Pabón Andrade, Juan José; Pantoja Londoño, Ingrid Nathalia

Sistema basado en deep learning para el análisis de imágenes de cápsula endoscópica del intestino delgado

dc.contributor.advisor	Torres Valencia, Cristian Alejandro
dc.contributor.advisor	Noreña Agudelo, Gonzalo
dc.contributor.author	Pabón Andrade, Juan José
dc.contributor.author	Pantoja Londoño, Ingrid Nathalia
dc.date.accessioned	2025-10-17T20:17:03Z
dc.date.available	2025-10-17T20:17:03Z
dc.date.issued	2025
dc.description.abstract	El presente trabajo describe el diseño y desarrollo de un sistema automatizado basado en deep learning para el análisis de imágenes obtenidas mediante cápsula endoscópica del intestino delgado. El objetivo general consistió en facilitar la identificación, clasificación y localización aproximada de anomalías en dichas imágenes, buscando reducir la carga de trabajo del especialista y mejorar la precisión diagnóstica. Para ello, se seleccionó una base de datos pública que incluye imágenes correspondientes a diferentes patologías y estructuras anatómicas del intestino delgado, las cuales fueron sometidas a un proceso de preprocesamiento para estandarizar su formato y mejorar la calidad de los datos. Posteriormente, se entrenaron y validaron tres modelos de redes neuronales convolucionales, evaluando su desempeño con métricas estándar de clasificación. Los modelos entrenados lograron diferenciar de forma precisa las imágenes según su clase, obteniendo resultados satisfactorios tanto en la detección de patologías como en la identificación de hitos anatómicos, lo que facilitó aproximar la ubicación distal o proximal de dichas imágenes. Finalmente, se integraron los modelos seleccionados en una interfaz gráfica, brindando al usuario la capacidad de interactuar con el sistema de forma intuitiva. Este desarrollo constituye un aporte relevante desde la ingeniería biomédica, al proponer una herramienta de apoyo diagnóstico. Asimismo, se establecen las bases para futuras mejoras relacionadas con la ampliación de la base de datos y la implementación del sistema en escenarios reales de atención médica.	spa
dc.description.abstract	This work describes the design and development of an automated system based on deep learning for the analysis of images obtained through capsule endoscopy of the small intestine. The main objective was to facilitate the identification, classification, and approximate localization of anomalies in these images, aiming to reduce the specialist’s workload and improve diagnostic accuracy. To achieve this, a public database was selected that includes images corresponding to various pathologies and anatomical structures of the small intestine, which were subjected to a preprocessing stage to standardize their format and enhance data quality. Subsequently, three convolutional neural network models were trained and validated, and their performance was evaluated using standard classification metrics. The trained models successfully differentiated the images according to their class, yielding satisfactory results in both pathology detection and anatomical landmark identification, which helped approximate the distal or proximal location of the images. Finally, the selected models were integrated into a graphical interface, providing users with the ability to interact with the system intuitively. This development represents a significant contribution from biomedical engineering by proposing a diagnostic support tool. Furthermore, it lays the groundwork for future improvements related to database expansion and system implementation in real healthcare scenarios.	eng
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero(a)biomédico(a)
dc.format.extent	141 p.
dc.format.mimetype	application/pdf
dc.identifier.uri	http://hdl.handle.net/11522/4926
dc.language.iso	spa
dc.publisher	Pontificia Universidad Javeriana Cali
dc.publisher.department	Facultad de Ingeniería y Ciencias
dc.publisher.program	Ingeniería Biomédica
dc.rights.accessrights	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject	Cápsula endoscópica	spa
dc.subject	Intestino delgado	eng
dc.subject	DenseNet	spa
dc.subject	Imágenes médicas	spa
dc.subject	Clasificación automática	eng
dc.subject	Deep learning	eng
dc.subject	Capsule endoscopy	eng
dc.subject	Small intestine	eng
dc.subject	Medical imaging	eng
dc.subject	Automatic classification	eng
dc.title	Sistema basado en deep learning para el análisis de imágenes de cápsula endoscópica del intestino delgado	spa
dc.type	bachelor thesis
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