Sistema para el diagnóstico de cáncer de cuello uterino utilizando redes neuronales convolucionales con imágenes de citología en base líquida de Papanicolaou

• Autores: Ccopa Mamani, Andrés Junior, Diaz Quiroz, Elmer Yuniors
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/18775
• Enlace del recurso: https://hdl.handle.net/20.500.12672/18775
• Nivel de acceso: acceso abierto
• Materia: Cuello uterino; Cáncer; Redes neuronales (Computación); https://purl.org/pe-repo/ocde/ford#2.02.03

Presenta un sistema inteligente apoyado de un modelo basado en el algoritmo k-means y redes neuronales convolucionales con el fin de realizar el diagnóstico de cáncer de cuello uterino por medio de la clasificación de imágenes de citología de base líquida de pruebas de Papanicolau. La metodología de investigación aplicada en este estudio consta de 4 fases: (i) Planteamiento de la pregunta de investigación; (ii) Diseño del modelo, donde construimos y realizamos el entrenamiento de dos arquitecturas de redes neuronales convolucionales pre-entrenadas, apoyados del 80% de un dataset con un total de 963 imágenes y con 4 clases de imágenes, las cuales son negativo para malignidad intraepitelial, lesión intraepitelial escamosa baja, lesión intraepitelial escamosa alta y carcinoma de células escamosas; (iii) Desarrollo del sistema, donde realizamos la construcción del sistema inteligente e integración del modelo entrenado; y (iv) Validación de la propuesta, donde se trabajó con el 20% restante del dataset,. Nuestros resultados determinan que la mejor clasificación la alcanzó la arquitectura ResNet50 una exactitud del 91%.