Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning
tablas, figuras
Bewaard in:
| Hoofdauteur: | |
|---|---|
| Andere auteurs: | |
| Formaat: | bachelorThesis |
| Taal: | spa |
| Gepubliceerd in: |
2024
|
| Onderwerpen: | |
| Online toegang: | https://www.dspace.uce.edu.ec/handle/25000/32832 |
| Tags: |
Voeg label toe
Geen labels, Wees de eerste die dit record labelt!
|
Voeg label toe | _version_ | 1824209281181810688 |
|---|---|
| author | Candelejo López, Mateo Andrés |
| author2 | Oña Betancourt, Marlon Patricio |
| author2_role | author |
| author_facet | Candelejo López, Mateo Andrés Oña Betancourt, Marlon Patricio |
| author_role | author |
| collection | Repositorio de la Universidad Central del Ecuador |
| dc.contributor.none.fl_str_mv | Mendoza Tello, Julio César |
| dc.creator.none.fl_str_mv | Candelejo López, Mateo Andrés Oña Betancourt, Marlon Patricio |
| dc.date.none.fl_str_mv | 2024-02-06T19:09:54Z 2024-02-06T19:09:54Z 2024 |
| dc.format.none.fl_str_mv | 173 páginas application/pdf application/pdf application/pdf application/octet-stream application/octet-stream |
| dc.identifier.none.fl_str_mv | Candelejo López, M y Oña Betancourt, M. (2024). Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning. Universidad Central del Ecuador. https://www.dspace.uce.edu.ec/handle/25000/32832 |
| dc.language.none.fl_str_mv | spa |
| dc.publisher.none.fl_str_mv | Universidad Central del Ecuador Facultad de Ingeniería y Ciencias Aplicadas Quito Carrera de Ingeniería Informática |
| dc.rights.none.fl_str_mv | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:Repositorio de la Universidad Central del Ecuador instname:Universidad Central del Ecuador instacron:UCE |
| dc.subject.none.fl_str_mv | Redes neuronales convolucionales Tumores cerebrales Imágenes de resonancia magnética Machine learning Convolutional neural networks Brain tumors |
| dc.title.none.fl_str_mv | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning A proposal for a web tool to support the detection of brain tumors using Machine Learning algorithms |
| dc.type.none.fl_str_mv | Trabajo de grado - Pregrado http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_ab4af688f83e57aa Text info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion |
| description | tablas, figuras |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | UCE_3e5fd9cbe31b8849fbdf7cdc0a7ffb14 |
| identifier_str_mv | Candelejo López, M y Oña Betancourt, M. (2024). Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning. Universidad Central del Ecuador. |
| instacron_str | UCE |
| institution | UCE |
| instname_str | Universidad Central del Ecuador |
| language | spa |
| network_acronym_str | UCE |
| network_name_str | Repositorio de la Universidad Central del Ecuador |
| oai_identifier_str | oai:dspace.uce.edu.ec:25000/32832 |
| publishDate | 2024 |
| publisher.none.fl_str_mv | Universidad Central del Ecuador Facultad de Ingeniería y Ciencias Aplicadas Quito Carrera de Ingeniería Informática |
| reponame_str | Repositorio de la Universidad Central del Ecuador |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio de la Universidad Central del Ecuador - Universidad Central del Ecuador |
| repository_id_str | 2487 |
| rights_invalid_str_mv | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| spelling | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learningA proposal for a web tool to support the detection of brain tumors using Machine Learning algorithmsCandelejo López, Mateo AndrésOña Betancourt, Marlon PatricioRedes neuronales convolucionalesTumores cerebralesImágenes de resonancia magnéticaMachine learningConvolutional neural networksBrain tumorstablas, figurasLa detección temprana y precisa de tumores cerebrales reviste de una importancia crítica debido a su alta tasa de mortalidad y a la necesidad de tratamientos específicos para cada caso. Sin embargo, el diagnóstico manual realizado por profesionales de la salud a menudo presenta limitaciones e imprecisiones debido a la complejidad que esta tarea implica. Además, la escasez de expertos en este campo agrava la situación al prolongar el tiempo necesario para diagnosticar tumores, lo que pone en riesgo la salud y la vida del paciente. En este contexto, se identificó el conjunto de datos "Brain Tumor MRI Dataset" en la plataforma Kaggle como un reto predictivo. Estos datos contienen imágenes de resonancia magnética de cuatro condiciones cerebrales: meningioma, glioma, tumor de la glándula pituitaria y cerebro sin tumor. A través de la metodología de minería de datos CRISP-DM, este proyecto se enfocó en explorar algoritmos de aprendizaje automático, en especial, las redes neuronales convolucionales como InceptionV3, VGG, ResNet, DenseNet e InceptionResNet V2. El objetivo era desarrollar un modelo óptimo que detecte estas patologías cerebrales en las imágenes de resonancia magnética, para posteriormente incorporarlo en una aplicación web. La investigación arrojó resultados significativos: donde el modelo VGG16 se destacó al lograr un impresionante Accuracy global del 96%, mientras que los modelos de InceptionResNetV2 y Densenet201 demostraron un rendimiento satisfactorio con una Accuracy del 95 y 94% respectivamente. En contraste, los modelos ResNet50 y ResNet101 exhibieron un rendimiento más moderado, alcanzando un Accuracy de entre 84% y 61% respectivamente. La variedad de arquitecturas y configuraciones estudiadas permitió un análisis profundo de las redes neuronales convolucionales en la detección de tumores cerebrales, por lo que este estudio aporta una valiosa perspectiva para futuras investigaciones en el campo.The early and accurate detection of brain tumors is of critical importance due to its high mortality rate and the need for specific treatments for each case. However, manual diagnosis by health care practitioners often has limitations and inaccuracies. In addition, the shortage of experts in this field aggravates the situation by prolonging the time needed to diagnose tumors, which puts the health and life of the patient at risk. In this context, the data set "Brain Tumor MRI Dataset" on the Kaggle platform was identified as a predictive challenge. These data contain MRI images of four brain conditions: meningioma, glioma, pituitary gland tumor, and tumor-free brain. Through the CRISP-DM data mining methodology, this project focused on exploring machine learning algorithms, especially convolutional neural networks such as InceptionV3, VGG, ResNet, DenseNet and InceptionResNet V2. The objective was to develop an optimal model to detect these brain pathologies in magnetic resonance imaging, and later incorporate it into a web application. The research yielded significant results: where the VGG16 model stood out with an impressive global Accuracy of 96%, while the InceptionResNetV2 and Densenet201 models demonstrated satisfactory performance with an Accuracy of 95% and 94% respectively. In contrast, the ResNet50 and ResNet101 showed a more moderate performance, reaching an Accuracy of between 84% and 61% respectively. The variety of architectures and configurations studied allowed an in-depth analysis of convolutional neural networks in the detection of brain tumors, this study provides a valuable perspective for future research in the field.PregradoIngeniero/a Informático/aUniversidad Central del EcuadorFacultad de Ingeniería y Ciencias AplicadasQuitoCarrera de Ingeniería InformáticaMendoza Tello, Julio César2024-02-06T19:09:54Z2024-02-06T19:09:54Z2024Trabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_ab4af688f83e57aaTextinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersion173 páginasapplication/pdfapplication/pdfapplication/pdfapplication/octet-streamapplication/octet-streamCandelejo López, M y Oña Betancourt, M. (2024). Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning. Universidad Central del Ecuador.https://www.dspace.uce.edu.ec/handle/25000/32832spaAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccessreponame:Repositorio de la Universidad Central del Ecuadorinstname:Universidad Central del Ecuadorinstacron:UCE2024-12-11T08:13:18Zoai:dspace.uce.edu.ec:25000/32832Institucionalhttp://www.dspace.uce.edu.ec/Universidad públicahttps://www.uce.edu.ec/http://www.dspace.uce.edu.ec/oai.Ecuador...opendoar:24872024-12-11T08:13:18Repositorio de la Universidad Central del Ecuador - Universidad Central del Ecuadorfalse |
| spellingShingle | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning Candelejo López, Mateo Andrés Redes neuronales convolucionales Tumores cerebrales Imágenes de resonancia magnética Machine learning Convolutional neural networks Brain tumors |
| status_str | acceptedVersion |
| title | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning |
| title_full | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning |
| title_fullStr | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning |
| title_full_unstemmed | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning |
| title_short | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning |
| title_sort | Propuesta de una herramienta para soportar la detección de tumores cerebrales mediante algoritmos de machine learning |
| topic | Redes neuronales convolucionales Tumores cerebrales Imágenes de resonancia magnética Machine learning Convolutional neural networks Brain tumors |
| url | https://www.dspace.uce.edu.ec/handle/25000/32832 |