Detección de tejido canceroso mamario a partir de técnicas de aprendizaje automático en imágenes de histología

Simple item page
dc.contributor.advisorGil González, Julian
dc.contributor.authorOrtiz Meléndez, Diego Fernando
dc.contributor.authorLayton Galindo, Oscar Julian
dc.date.accessioned2024-07-29T19:38:44Z
dc.date.available2024-07-29T19:38:44Z
dc.date.issued2024
dc.description.abstractEl cáncer de mama femenino es el más común a nivel mundial, con 2,3 millones de casos diagnosticados anualmente y un riesgo de recurrencia del 15%. La detección temprana es crucial para mejorar el tratamiento y las tasas de supervivencia. Sin embargo, el análisis visual de imágenes histológicas es complejo y subjetivo, lo que lleva a errores en el diagnóstico. Este proyecto desarrolló un modelo de clasificación de imágenes histológicas utilizando aprendizaje automático para detectar tejido canceroso mamario, con el objetivo de apoyar a los especialistas en la detección temprana y precisa de la enfermedad. Se recopilaron imágenes histopatológicas de bases de datos públicas, se entrenó un modelo de clasificación supervisada, y se validó su rendimiento para asegurar su precisión y confiabilidad.
dc.description.abstractengFemale breast cancer is the most common cancer worldwide, with 2.3 million cases diagnosed annually and a recurrence risk of 15%. Early detection is crucial to improve treatment and survival rates. However, visual analysis of histological images is complex and subjective, leading to errors in diagnosis. This project developed a histological image classification model using machine learning to detect breast cancer tissue, with the aim of supporting specialists in the early and accurate detection of the disease. Histopathological images were collected from public databases, a supervised classification model was trained, and its performance was validated to ensure its accuracy and reliability.
dc.format.extent80 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://vitela.javerianacali.edu.co/handle/11522/3634
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.facultyFacultad de Ingeniería y Ciencias
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectCáncer de mama femenino
dc.subjectDetección temprana
dc.subjectBiopsias
dc.subjectTécnicas histológicas
dc.subjectAnálisis visual
dc.subjectAprendizaje automático
dc.subjectClasificación de imágenes
dc.subjectHistopatológicas Female breast cancer
dc.subjectEarly detection
dc.subjectBiopsies
dc.subjectHistological techniques
dc.subjectVisual analysis
dc.subjectMachine learning
dc.subjectImage classification
dc.subjectHistopathological
dc.thesis.disciplineFacultad de Ingeniería y Ciencias. Maestría en Ciencia de Datos - Modalidad virtual
dc.thesis.grantorPontificia Universidad Javeriana Cali
dc.thesis.levelMaestría
dc.titleDetección de tejido canceroso mamario a partir de técnicas de aprendizaje automático en imágenes de histologíaspa
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 - 3 of 3
No Thumbnail Available
Name:
Nota de Aceptación - Layton Oscar - Ortiz Diego.pdf
Size:
362.63 KB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
TG Maestria en Ciencia de Datos - Layton Oscar - Ortiz Diego.pdf
Size:
2.57 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia Autorizacion - Layton Oscar - Ortiz Diego.pdf
Size:
188.85 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