Segmentación de lesiones en imágenes de colposcopia usando redes neuronales artificiales

CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El cáncer de cuello uterino representa el cuarto lugar de mortalidad para mujeres de acuerdo a al Observatorio Global de Cáncer y GLOBOCAN 2022 a nivel mundial. La detección temprana mediante técnicas como la colposcopia, es crucial para reducir la mortalidad. El proyecto tiene como objetivo desarrollar un algoritmo de segmentación automática de lesiones en imágenes colposcópicas utilizando redes neuronales artificiales basadas en U-Net. Este enfoque radica en la necesidad de automatizar el análisis de imágenes médicas para segmentar lesiones de cuello uterino y reducir los errores causados por la interpretación subjetiva del médico. El proyecto utilizó una base de datos de 200 imágenes de colposcopia de la plataforma Kaggle, en las cuales se segmentó manualmente las regiones de interés (ROI) con colaboración de personal médico capacitado para generar máscaras binarias necesarias para entrenar el modelo. Se emplearon técnicas de aumento de datos y el rendimiento se evaluó con las métricas del coeficiente de Dice e Intersección sobre Unión (IoU). Los resultados mostraron que el modelo alcanzó un coeficiente de Dice de 84% en el conjunto de validación y una IoU de 75%. El modelo U-Net demostró ser efectivo para segmentar lesiones en imágenes de colposcopia, con un desempeño adecuado en la validación. El modelo podría ser usado en una herramienta de asistencia para ayudar al médico en la segmentación de lesiones cáncer de cuello uterino.

• Autor principal: Valladarez Lojan, Angel Alexis (author)
• Altres autors: Valarezo Añazco, Edwin Giannine, Director (author)
• Format: bachelorThesis
• Publicat: 2025
• Matèries: Inteligencia Artificial; Colposcopia; Cérvix; U-Net; ROI
• Accés en línia: http://www.dspace.espol.edu.ec/handle/123456789/67402