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...
| Autores: | , , , |
|---|---|
| Formato: | tesis de maestría |
| Fecha de Publicación: | 2023 |
| Institución: | Pontificia Universidad Católica del Perú |
| Repositorio: | PUCP-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.pucp.edu.pe:20.500.14657/198583 |
| 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 |
RPUC_181235a8a0cd6e0ff89ba1fbf72f8f4d |
|---|---|
| oai_identifier_str |
oai:repositorio.pucp.edu.pe:20.500.14657/198583 |
| network_acronym_str |
RPUC |
| network_name_str |
PUCP-Institucional |
| repository_id_str |
2905 |
| 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/masterThesisTesis de maestríareponame:PUCP-Institucionalinstname:Pontificia Universidad Católica del Perúinstacron:PUCPMaestro 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#tesis20.500.14657/198583oai:repositorio.pucp.edu.pe:20.500.14657/1985832024-06-10 09:57:36.29http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessmetadata.onlyhttps://repositorio.pucp.edu.peRepositorio Institucional de la PUCPrepositorio@pucp.pe |
| 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 |
| dc.type.other.none.fl_str_mv |
Tesis de maestría |
| 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.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-Institucional instname:Pontificia Universidad Católica del Perú instacron:PUCP |
| instname_str |
Pontificia Universidad Católica del Perú |
| instacron_str |
PUCP |
| institution |
PUCP |
| reponame_str |
PUCP-Institucional |
| collection |
PUCP-Institucional |
| repository.name.fl_str_mv |
Repositorio Institucional de la PUCP |
| repository.mail.fl_str_mv |
repositorio@pucp.pe |
| _version_ |
1835639453437132800 |
| score |
13.924177 |
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).
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).
