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...

ver descrição completa

Detalhes bibliográficos
Autor: Martín Tinaquero, David
Formato: tesis de maestría
Fecha de publicación:2023
País:España
Recursos:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/147384
Acesso em linha:http://hdl.handle.net/10609/147384
Access Level:acceso abierto
Palavra-chave: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
id ES_1e6a99ff27083b65aa7dfabcd31254ba
oai_identifier_str oai:openaccess.uoc.edu:10609/147384
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
title Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
spellingShingle Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
Martín Tinaquero, David
deep learning
cáncer de piel
inteligencia artificial
aprendizaje profundo
skin cancer
artificial intelligence
deep learning
càncer de pell
intel·ligència artificial
aprenentatge profund
Artificial intelligence -- TFM
Intel·ligència artificial -- TFM
Inteligencia artificial -- TFM
title_short Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
title_full Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
title_fullStr Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
title_full_unstemmed Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
title_sort Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia Artificial
dc.creator.none.fl_str_mv Martín Tinaquero, David
author Martín Tinaquero, David
author_facet Martín Tinaquero, David
author_role author
dc.contributor.none.fl_str_mv Sanchez-Bocanegra, Carlos Luis
Fernandez-Luque, Luis
Solé-Ribalta, Albert
dc.subject.none.fl_str_mv deep learning
cáncer de piel
inteligencia artificial
aprendizaje profundo
skin cancer
artificial intelligence
deep learning
càncer de pell
intel·ligència artificial
aprenentatge profund
Artificial intelligence -- TFM
Intel·ligència artificial -- TFM
Inteligencia artificial -- TFM
topic deep learning
cáncer de piel
inteligencia artificial
aprendizaje profundo
skin cancer
artificial intelligence
deep learning
càncer de pell
intel·ligència artificial
aprenentatge profund
Artificial intelligence -- TFM
Intel·ligència artificial -- TFM
Inteligencia artificial -- TFM
description 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.
publishDate 2023
dc.date.none.fl_str_mv 2023
2023
2023
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/147384
url http://hdl.handle.net/10609/147384
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/vnd.openxmlformats-officedocument.presentationml.presentation
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869404339562348544
spelling Detección temprana de cáncer de piel mediante clasificador de imágenes basado en Inteligencia ArtificialMartín Tinaquero, Daviddeep learningcáncer de pielinteligencia artificialaprendizaje profundoskin cancerartificial intelligencedeep learningcàncer de pellintel·ligència artificialaprenentatge profundArtificial intelligence -- TFMIntel·ligència artificial -- TFMInteligencia artificial -- TFMDetectar 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.Finding skin cancer early often opens up more treatment options. Signs and symptoms do occur in some cases of early-stage disease, but this is not always the case. Currently, the most widespread methods to detect cancer in its early stages are self-examination and examination by a specialist doctor (dermatologist). The first method has the drawback that most citizens do not know how to distinguish a benign skin lesion from a cancerous one. The main drawback of the second alternative is the long waiting times to be seen by a dermatologist, since they are among the three most in-demand specialists, surpassed only by traumatologists and ophthalmologists. The objective of this work is to design and implement an early diagnosis tool that can be used in clinical practice as a support tool for the doctor, acting as a diagnostic assistant to optimize times, and also help people without dermatology knowledge by acting as an advisor for the detection of cancerous tumors during the self-examination of the skin. The work investigates the feasibility of using deep learning, specifically, convolutional and transformer neural networks, for the classification of skin lesions from images.Detectar el càncer de pell quan es troba en les seves etapes inicials sovint permet la possibilitat de comptar amb més opcions de tractament. En alguns casos de la malaltia en etapa inicial sorgeixen signes i símptomes, però això no sempre és així. En l'actualitat, els mètodes més estesos per a detectar el càncer en les seves etapes inicials són l'autoexamen i l'examen realitzat per un metge especialista (dermatòleg). El primer mètode té com a inconvenient que la majoria de la ciutadania no sap distingir una lesió cutània benigna d'una cancerosa. L'inconvenient principal de la segona alternativa són els llargs temps d'espera per a ser atès per un dermatòleg, ja que es troben entre els tres especialistes més demandats, superats tan sols pels traumatòlegs i oftalmòlegs. Aquest treball té per objectiu dissenyar i implementar una eina de diagnòstic primerenc que pugui ser utilitzada en la pràctica clínica com a eina de suport al metge, fent d'assistent al diagnòstic per a optimitzar temps, i també ajudi a persones sense coneixements en dermatologia fent d'assessor per a la detecció de tumors cancerosos durant el autochequeo de la pell. El treball investiga la viabilitat d'ús de deep learning, concretament, xarxes neuronals convolucionals (CNN) i transformer, per a la classificació de lesions cutànies a partir d'imatges.Universitat Oberta de Catalunya (UOC)Sanchez-Bocanegra, Carlos LuisFernandez-Luque, LuisSolé-Ribalta, Albert202320232023info:eu-repo/semantics/masterThesisapplication/pdfapplication/vnd.openxmlformats-officedocument.presentationml.presentationapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/147384reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)EspañolCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/1473842026-05-28T12:42:01Z
score 15,301629

Registos relacionados