Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning

Descripción del Articulo

En la presente tesis, queremos demostrar y proponer como la tecnología puede ser utilizada por los genetistas y especialistas en oncología como una herramienta para agilizar la detección de cáncer de mama, siendo este el más común en Perú. El diagnóstico temprano es un mecanismo efectivo que ayuda a...

Descripción completa

Detalles Bibliográficos
Autores: Páez Cumpa, Jorge Antonio, Palomino Delgado, Henry Edward, Rosado Farfán, Christian Paul, Salazar Huamanjulca, Elmer Ronald
Formato: tesis de maestría
Fecha de Publicación:2023
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:español
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/26346
Enlace del recurso:http://hdl.handle.net/20.500.12404/26346
Nivel de acceso:acceso abierto
Materia:Mamas--Cáncer--Detección
Redes neuronales--Aplicaciones
Aprendizaje profundo
https://purl.org/pe-repo/ocde/ford#5.02.04
id PUCP_7a868eecbad6e96a7a4984a7b623f8e5
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/26346
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
dc.title.es_ES.fl_str_mv Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
title Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
spellingShingle Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
Páez Cumpa, Jorge Antonio
Mamas--Cáncer--Detección
Redes neuronales--Aplicaciones
Aprendizaje profundo
https://purl.org/pe-repo/ocde/ford#5.02.04
title_short Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
title_full Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
title_fullStr Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
title_full_unstemmed Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
title_sort Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
author Páez Cumpa, Jorge Antonio
author_facet Páez Cumpa, Jorge Antonio
Palomino Delgado, Henry Edward
Rosado Farfán, Christian Paul
Salazar Huamanjulca, Elmer Ronald
author_role author
author2 Palomino Delgado, Henry Edward
Rosado Farfán, Christian Paul
Salazar Huamanjulca, Elmer Ronald
author2_role author
author
author
dc.contributor.advisor.fl_str_mv Siccha Ayvar, Hobber Arístides
dc.contributor.author.fl_str_mv Páez Cumpa, Jorge Antonio
Palomino Delgado, Henry Edward
Rosado Farfán, Christian Paul
Salazar Huamanjulca, Elmer Ronald
dc.subject.es_ES.fl_str_mv Mamas--Cáncer--Detección
Redes neuronales--Aplicaciones
Aprendizaje profundo
topic Mamas--Cáncer--Detección
Redes neuronales--Aplicaciones
Aprendizaje profundo
https://purl.org/pe-repo/ocde/ford#5.02.04
dc.subject.ocde.es_ES.fl_str_mv https://purl.org/pe-repo/ocde/ford#5.02.04
description En la presente tesis, queremos demostrar y proponer como la tecnología puede ser utilizada por los genetistas y especialistas en oncología como una herramienta para agilizar la detección de cáncer de mama, siendo este el más común en Perú. El diagnóstico temprano es un mecanismo efectivo que ayuda a la reducción de la mortalidad en este tipo de cáncer de tal manera que se pueda seguir un tratamiento adecuado. Actualmente una forma de detectarlo es a través de una prueba genética para identificar mutaciones en los genes BRCA 1 y BRCA 2, sin embargo, este camino contiene pruebas que son difíciles, costosas y lentas, que a su vez requieren una carga de trabajo excesiva por parte de un biólogo o genetista. por tal motivo se tiene como objetivo combinar los factores de riesgo asociados con el cáncer de mamá, incluidas las variaciones genéticas para diseñar un modelo predictivo basados en la inteligencia artificial para determinar si el tumor asociado al cáncer es benigno o maligno. El modelo se diseñó utilizando un algoritmo de redes neuronales logrando obtener un rendimiento de 92% precisión con datos de prueba en tan solo unos minutos. Esta propuesta de modelo de predicción es única en el Perú y puede ser ofrecida por una Gerencia de TI dentro de una organización del sector salud para que posteriormente pueda ser implementada y desplegada por un equipo de científicos de datos.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-11-03T16:28:30Z
dc.date.available.none.fl_str_mv 2023-11-03T16:28:30Z
dc.date.created.none.fl_str_mv 2023
dc.date.issued.fl_str_mv 2023-11-03
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/26346
url http://hdl.handle.net/20.500.12404/26346
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/aa51b120-ad33-42fa-acc2-5b7c2b792bb2/download
https://tesis.pucp.edu.pe/bitstreams/0ce2dfcf-dbaf-4371-a0cb-6a25461b44b0/download
https://tesis.pucp.edu.pe/bitstreams/728df781-3970-4c4f-b187-543933eec322/download
https://tesis.pucp.edu.pe/bitstreams/31b135e8-0be8-4c12-ad0e-94b36d3585fb/download
https://tesis.pucp.edu.pe/bitstreams/7c522719-2c48-49c7-bb18-ba5ac89d9364/download
https://tesis.pucp.edu.pe/bitstreams/da5f3fd8-116c-4a89-bd48-65e98a6d6e37/download
bitstream.checksum.fl_str_mv d4a0b45ae282428b18a1362af8d83fcc
b6efd284153e6ff66f8c8c01255cbab2
3655808e5dd46167956d6870b0f43800
8a4605be74aa9ea9d79846c1fba20a33
ba5389ea3c6b419dc328bf99be1fdd84
4c4d63ff80be7afc5adb754d09d4047d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1834737066280222720
spelling Siccha Ayvar, Hobber ArístidesPáez Cumpa, Jorge AntonioPalomino Delgado, Henry EdwardRosado Farfán, Christian PaulSalazar Huamanjulca, Elmer Ronald2023-11-03T16:28:30Z2023-11-03T16:28:30Z20232023-11-03http://hdl.handle.net/20.500.12404/26346En la presente tesis, queremos demostrar y proponer como la tecnología puede ser utilizada por los genetistas y especialistas en oncología como una herramienta para agilizar la detección de cáncer de mama, siendo este el más común en Perú. El diagnóstico temprano es un mecanismo efectivo que ayuda a la reducción de la mortalidad en este tipo de cáncer de tal manera que se pueda seguir un tratamiento adecuado. Actualmente una forma de detectarlo es a través de una prueba genética para identificar mutaciones en los genes BRCA 1 y BRCA 2, sin embargo, este camino contiene pruebas que son difíciles, costosas y lentas, que a su vez requieren una carga de trabajo excesiva por parte de un biólogo o genetista. por tal motivo se tiene como objetivo combinar los factores de riesgo asociados con el cáncer de mamá, incluidas las variaciones genéticas para diseñar un modelo predictivo basados en la inteligencia artificial para determinar si el tumor asociado al cáncer es benigno o maligno. El modelo se diseñó utilizando un algoritmo de redes neuronales logrando obtener un rendimiento de 92% precisión con datos de prueba en tan solo unos minutos. Esta propuesta de modelo de predicción es única en el Perú y puede ser ofrecida por una Gerencia de TI dentro de una organización del sector salud para que posteriormente pueda ser implementada y desplegada por un equipo de científicos de datos.In the present thesis, we are looking for a demonstration and proposal how the technology can be so useful for the genetic and oncology Scientifics as a tool for quick detection of the breast cancer, which ones is the most common in Peru. Early diagnosis is the most effective way for a treatment to help people to prevent the mortality in this kind of cancer. At this moment, the best way for an early detection is a genetical test to look for mutations in BRCA 1 and BRCA 2 gen, however this way is so hard, because this requires a lot of difficult, expensive, and slowly tests remark a lot of work of the genetic and oncology Scientifics. That is the reason our thesis has as the principal goal to combine all the risk factors associated with breast cancer, including genetical mutations, for generate a predictive model based in artificial intelligence for determinate if a kind of tumor is associated with benign or pathogenic. This designed model has a 92% of precision with open-source test data in a few minutes. This predictive model is unique in Peru and can be offered by an IT Management within a health sector organization so that it can later be implemented and deployed by a team of data scientists.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Mamas--Cáncer--DetecciónRedes neuronales--AplicacionesAprendizaje profundohttps://purl.org/pe-repo/ocde/ford#5.02.04Propuesta de un modelo de predicción de cáncer de mama utilizando deep learninginfo:eu-repo/semantics/masterThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUMaestro en Gerencia de Tecnologías de InformaciónMaestríaPontificia Universidad Católica del Perú. CENTRUMGerencia de Tecnologías de Información10140192https://orcid.org/0000-0002-1670-973043461755714792294307177945352290612167O’Brien Cáceres, JuanSalcedo Huarcaya, Marco AntonioSiccha Ayvar, Hobber Arístideshttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINALPropuesta de un Modelo de Predicción de Cáncer de Mama Utilizando Deep Learning_Páez.pdfPropuesta de un Modelo de Predicción de Cáncer de Mama Utilizando Deep Learning_Páez.pdfTexto completoapplication/pdf1975303https://tesis.pucp.edu.pe/bitstreams/aa51b120-ad33-42fa-acc2-5b7c2b792bb2/downloadd4a0b45ae282428b18a1362af8d83fccMD51trueAnonymousREADReporte Turnitin_Páez.pdfReporte Turnitin_Páez.pdfReporte de originalidadapplication/pdf17594005https://tesis.pucp.edu.pe/bitstreams/0ce2dfcf-dbaf-4371-a0cb-6a25461b44b0/downloadb6efd284153e6ff66f8c8c01255cbab2MD52falseAnonymousREAD2500-01-01CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://tesis.pucp.edu.pe/bitstreams/728df781-3970-4c4f-b187-543933eec322/download3655808e5dd46167956d6870b0f43800MD53falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://tesis.pucp.edu.pe/bitstreams/31b135e8-0be8-4c12-ad0e-94b36d3585fb/download8a4605be74aa9ea9d79846c1fba20a33MD54falseAnonymousREADTHUMBNAILPropuesta de un Modelo de Predicción de Cáncer de Mama Utilizando Deep Learning_Páez.pdf.jpgPropuesta de un Modelo de Predicción de Cáncer de Mama Utilizando Deep Learning_Páez.pdf.jpgIM Thumbnailimage/jpeg13131https://tesis.pucp.edu.pe/bitstreams/7c522719-2c48-49c7-bb18-ba5ac89d9364/downloadba5389ea3c6b419dc328bf99be1fdd84MD55falseAnonymousREADReporte Turnitin_Páez.pdf.jpgReporte Turnitin_Páez.pdf.jpgIM Thumbnailimage/jpeg3254https://tesis.pucp.edu.pe/bitstreams/da5f3fd8-116c-4a89-bd48-65e98a6d6e37/download4c4d63ff80be7afc5adb754d09d4047dMD56falseAnonymousREAD2500-01-0120.500.12404/26346oai:tesis.pucp.edu.pe:20.500.12404/263462024-05-27 16:03:54.901http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.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
score 13.905282
Propuesta de un modelo de predicción de cáncer de mama utilizando deep learning
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares