Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
Detectar el cáncer de piel cuando se encuentra en sus etapas iniciales a menudo permite la posibilidad de contar con más opciones de tratamiento. En algunos casos de la enfermedad en etapa inicial surgen signos y síntomas, pero esto no siempre es así. En la actualidad, los métodos más extendidos par...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/147384 |
| Acceso en línea: | http://hdl.handle.net/10609/147384 |
| Access Level: | acceso abierto |
| Palabra clave: | deep learning cáncer de piel inteligencia artificial aprendizaje profundo skin cancer artificial intelligence càncer de pell intel·ligència artificial aprenentatge profund Artificial intelligence -- TFM Intel·ligència artificial -- TFM Inteligencia artificial -- TFM |
| Sumario: | Detectar el cáncer de piel cuando se encuentra en sus etapas iniciales a menudo permite la posibilidad de contar con más opciones de tratamiento. En algunos casos de la enfermedad en etapa inicial surgen signos y síntomas, pero esto no siempre es así. En la actualidad, los métodos más extendidos para detectar el cáncer en sus etapas iniciales son el autoexamen y el examen realizado por un médico especialista (dermatólogo). El primer método tiene como inconveniente que la mayoría de la ciudadanía no sabe distinguir una lesión cutánea benigna de una cancerosa. El inconveniente principal de la segunda alternativa son los largos tiempos de espera para ser atendido por un dermatólogo, ya que se encuentran entre los tres especialistas más demandados, superados tan solo por los traumatólogos y oftalmólogos. Este trabajo tiene por objetivo diseñar e implementar una herramienta de diagnóstico temprano que pueda ser utilizada en la práctica clínica como herramienta de apoyo al médico, haciendo de asistente al diagnóstico para optimizar tiempos, y también ayude a personas sin conocimientos en dermatología haciendo de asesor para la detección de tumores cancerosos durante el autochequeo de la piel. El trabajo investiga la viabilidad de uso de deep learning, concretamente, redes neuronales convolucionales (CNN) y transformer, para la clasificación de lesiones cutáneas a partir de imágenes. |
|---|