Análisis de los algoritmos de Deep learning para la detección de cáncer de mama mediante imágenes realizadas con resonancia magnética.

El presente trabajo ha sido realizado para identificar el cáncer de mama mediante imágenes por resonancia magnética; mediante la comparación de diferentes algoritmos de Aprendizaje profundo, cuyas arquitecturas de redes neuronales convolucionales son las siguientes: residual neural network ResNet-50, InceptionV3 y VGG-16 de los cuales se efectuó un análisis comparativo con alrededor de 10.000 imágenes en donde se pudo extraer diferentes criterios que han permitido el aprendizaje de la red neuronal con la finalidad de establecer que algoritmo es el que ofrece mejores resultados analizando sus diferentes métricas: precisión, exhaustividad y matriz de confusión. Se utilizó la metodología CRISP-DM para la obtención de resultados favorables en el análisis comparativo, además de cubrir con los objetivos de negocio, la extracción y comprensión de los datos juntamente con la evaluación e implementación de los resultados conseguidos. Posteriormente, se escogió mediante un proceso el mejor modelo para la construcción de un prototipo a la arquitectura convolucional RestNet-50 el cual permite cargar imágenes médicas por resonancia magnética en formato .png, y a su vez realiza la detección de cáncer de mama, este modelo será una contribución en el campo de la medicina y oncología

• 1. autor: Villarreal Ponce, Martha Dayana (author)
• Kolejni autorzy: Silva Chiluisa, Jonathan Enrique (author)
• Format: bachelorThesis
• Język: spa
• Wydane: 2023
• Hasła przedmiotowe: Deep learning; Red neuronal; Algoritmo; Cáncer de mama; Resonancia magnética
• Dostęp online: http://www.dspace.uce.edu.ec/handle/25000/30784