Por favor, use este identificador para citar o enlazar este ítem: http://dspace.espoch.edu.ec/handle/123456789/21251
Título : Diseño de un prototipo electrónico identificador de melanomas y lunares benignos, utilizando técnicas de machine learning.
Autor : Calero Inga, Robinson Geovanny
Director(es): Altamirano Santillán, Edwin Vinicio
Tribunal (Tesis): Romero Riera, Paul Patricio
Palabras claves : TECNOLOGÍA Y CIENCIAS DE LA INGENIERIA;INTELIGENCIA ARTIFICIAL;IMAGENOLOGÍA;CÁNCER DE PIEL;MELANOMA;LUNARES;QUERATOSIS SEBORREICA
Fecha de publicación : 10-dic-2021
Editorial : Escuela Superior Politécnica de Chimborazo
Citación : Calero Inga, Robinson Geovanny. (2021). Diseño de un prototipo electrónico identificador de melanomas y lunares benignos, utilizando técnicas de machine learning. Escuela Superior Politécnica de Chimborazo. Riobamba.
Identificador : UDCTFIYE;108T0405
Abstract : The present research study examines the capacity of Artificial Intelligence and Neural Networks to classify and identify patterns used in the area of medical imaging. The potential benefit of combining human knowledge based on scientific evidence and the compilation of a specific database was investigated. The gaol was to reduce the time gap in relation to clinical diagnosis and the results of said analysis being issued, which in turn would strengthen the efficiency and likely effectiveness of treatment. The methodology that was used is based on the collection of 2750 images corresponding to the training stage with 1372 images of moles, 474 images of melanomas and 254 images of seborrheic keratosis. In the test and validation stage, 471 cases of moles were used, 147 cases of melanomas and 132 cases of seborrheic keratosis. This set of data was entered into the inputs of neural networks as part of the newest “Machine Learning” technique. Regarding the multiclass task and supervised machine learning, a precision of 90,66% was obtained (16% Mole errors, 4% Melanoma errors, 8% Seborrheic Keratosis errors, with a mean error of 9,3%). This imbalance varies according to the number of stages used for training, in this case 43 hours of training were necessary to obtain the ideal model. It is important to take into consideration that correct classification is directly proportional to the quality of the data set and the number of cases inputted for learning.
Resumen : En el presente trabajo se evidencia la capacidad de la Inteligencia Artificial y las Redes Neuronales en cuanto a la clasificación e identificación de patrones utilizados en el área de imagenología médica. En este estudio se investigó el beneficio potencial de combinar el conocimiento humano basado en evidencia científica y la recopilación de una base de datos específica, con el objetivo de reducir la brecha del tiempo en lo que corresponde al diagnóstico clínico y la emisión de un resultado de dicho análisis, aportando eficiencia y eficacia para que los tratamientos sean exitosos. La metodología que se utilizó se fundamenta en la recolección de 2750 imágenes correspondientes a la etapa del entrenamiento con 1372 imágenes de lunares, 474 imágenes de melanomas y 254 imágenes de queratosis seborreica, en la etapa de prueba y validación se usó 471 lunares, 147 casos de melanomas y 132 casos de queratosis seborreica. Este conjunto de datos se introdujo en las entradas de las redes neuronales como parte de la técnica más novedosa del “Machine Learning”. En cuanto a la tarea multiclase y el aprendizaje automático supervisado, se obtuvo una precisión del 90,66% (errores 16% Lunares, 4% Melanomas, 8% Queratosis Seborreica, con una media de error del 9,3%). Este desequilibrio varía de acuerdo al número de épocas utilizadas para el entrenamiento, en este caso fueron necesarias 43 horas de entrenamiento para la obtención del modelo idea, considerando que el éxito en la clasificación es directamente proporcional a la calidad de la data set y el número de casos para el aprendizaje.
URI : http://dspace.espoch.edu.ec/handle/123456789/21251
Aparece en las colecciones: Ingeniero en Electrónica, Control y Redes Industriales; Ingeniero/a en Electrónica y Automatización

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
108T0405.pdf3,8 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons