Análisis de posible cáncer de piel mediante IA. Estudio mediante imágenes reales
El proyecto se centra en el análisis de imágenes médicas, específicamente en la detección de posibles canceres de piel para respaldar la toma de decisiones clínicas. Esta herramienta tiene como objetivo mejorar la precisión y la prontitud en el diagnóstico, así como reducir los errores de clasificac...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/151273 |
| Acceso en línea: | http://hdl.handle.net/10609/151273 |
| Access Level: | acceso abierto |
| Palabra clave: | inteligencia artificial detección tumor Distributed artificial intelligence -- TFM Intel·ligència artificial distribuïda -- TFM |
| Sumario: | El proyecto se centra en el análisis de imágenes médicas, específicamente en la detección de posibles canceres de piel para respaldar la toma de decisiones clínicas. Esta herramienta tiene como objetivo mejorar la precisión y la prontitud en el diagnóstico, así como reducir los errores de clasificación. Se emplean algoritmos de aprendizaje automático para entrenar modelos que clasifiquen las imágenes como normales o anormales. La metodología que seguiremos es CRISP-DM, el cual es una metodología estándar utilizada en el campo de la minería de datos y el análisis predictivo. Se utilizarán diferentes tipos de imágenes, incluyendo imágenes DICOM, dermatológicas y otros tipos de imágenes relevantes para el análisis médico. Trabajaremos en colaboración con el Dr. José J. Pereyra Rodríguez del Hospital Universitario Virgen del Rocío de Sevilla, el cual nos proporcionara un conjunto de más de 1500 imágenes tomadas en a pacientes reales. El objetivo principal es proporcionar a los profesionales de la salud una herramienta efectiva y eficiente para mejorar la detección temprana y precisa de tumores, reduciendo así la tasa de falsos positivos y negativos, y agilizando el proceso diagnóstico. Este enfoque promete un impacto positivo significativo en la atención médica al mejorar la precisión y la eficiencia en el diagnóstico de condiciones médicas potencialmente graves. Además de poder predecir en tres tonos de piel distintos y que se puedan utilizar imágenes tomadas por un smartphone. |
|---|