Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática

Descripción del Articulo

La presente revisión sistemática analiza distintos artículos que contienen técnicas de aprendizaje profundo, como redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN), redes neuronales generativas adversarias (GANs) y redes neuronales residuales (ResNets), observando el resulta...

Descripción completa

Detalles Bibliográficos
Autores: Medina Rodriguez, Brando Bryan, Yamunaque Santamaria, Sandro Marshello
Formato: tesis de grado
Fecha de Publicación:2025
Institución:Universidad Señor de Sipan
Repositorio:USS-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.uss.edu.pe:20.500.12802/15284
Enlace del recurso:https://hdl.handle.net/20.500.12802/15284
Nivel de acceso:acceso abierto
Materia:Melanoma
Aprendizaje profundo
Clasificación de imágenes
Redes neuronales convolucionales (CNN)
Detección temprana
https://purl.org/pe-repo/ocde/ford#2.02.04
id USSS_8eb4347b3ea003a609503915ef24dd7e
oai_identifier_str oai:repositorio.uss.edu.pe:20.500.12802/15284
network_acronym_str USSS
network_name_str USS-Institucional
repository_id_str 4829
dc.title.es_PE.fl_str_mv Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
title Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
spellingShingle Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
Medina Rodriguez, Brando Bryan
Melanoma
Aprendizaje profundo
Clasificación de imágenes
Redes neuronales convolucionales (CNN)
Detección temprana
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
title_full Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
title_fullStr Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
title_full_unstemmed Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
title_sort Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
author Medina Rodriguez, Brando Bryan
author_facet Medina Rodriguez, Brando Bryan
Yamunaque Santamaria, Sandro Marshello
author_role author
author2 Yamunaque Santamaria, Sandro Marshello
author2_role author
dc.contributor.advisor.fl_str_mv Arcila Diaz, Juan Carlos
dc.contributor.author.fl_str_mv Medina Rodriguez, Brando Bryan
Yamunaque Santamaria, Sandro Marshello
dc.subject.es_PE.fl_str_mv Melanoma
Aprendizaje profundo
Clasificación de imágenes
Redes neuronales convolucionales (CNN)
Detección temprana
topic Melanoma
Aprendizaje profundo
Clasificación de imágenes
Redes neuronales convolucionales (CNN)
Detección temprana
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description La presente revisión sistemática analiza distintos artículos que contienen técnicas de aprendizaje profundo, como redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN), redes neuronales generativas adversarias (GANs) y redes neuronales residuales (ResNets), observando el resultado de todos estos se prioriza la precisión para detectar el melanoma mediante de imágenes dermatológicas descartando artículos mediante la metodología Prima. Se recopilaron artículos de bases de datos confiables que utilizan imágenes de piel con y sin melanoma, y se entrenaron los diferentes modelos de aprendizaje profundo. Los resultados obtenidos indican una tasa de precisión superior en comparación con métodos tradicionales, lo que sugiere que estos enfoques avanzados pueden ser utilizados eficazmente para la detección temprana del melanoma. La discusión destaca que la combinación de estas técnicas de aprendizaje profundo mejora significativamente la precisión del diagnóstico. En conclusión, este método basado en aprendizaje profundo tiene el potencial de mejorar los protocolos de diagnóstico en la atención primaria, especialmente en regiones con recursos limitados para la detección temprana del cáncer. La implementación de estos avances tecnológicos podría contribuir a reducir la mortalidad y mejorar las perspectivas de tratamiento para los pacientes con melanoma
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-06-26T15:26:12Z
dc.date.available.none.fl_str_mv 2025-06-26T15:26:12Z
dc.date.issued.fl_str_mv 2025
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12802/15284
url https://hdl.handle.net/20.500.12802/15284
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.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.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Señor de Sipán
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - USS
Repositorio Institucional USS
dc.source.none.fl_str_mv reponame:USS-Institucional
instname:Universidad Señor de Sipan
instacron:USS
instname_str Universidad Señor de Sipan
instacron_str USS
institution USS
reponame_str USS-Institucional
collection USS-Institucional
bitstream.url.fl_str_mv https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/1/Medina%20Rodriguez%20Brando%20%26%20Yamunaque%20Santamaria%20Sandro.pdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/2/Autorizaci%c3%b3n%20del%20autor.pdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/3/Informe%20de%20similitud.pdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/4/license_rdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/5/license.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/6/Medina%20Rodriguez%20Brando%20%26%20Yamunaque%20Santamaria%20Sandro.pdf.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/8/Autorizaci%c3%b3n%20del%20autor.pdf.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/10/Informe%20de%20similitud.pdf.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/7/Medina%20Rodriguez%20Brando%20%26%20Yamunaque%20Santamaria%20Sandro.pdf.jpg
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/9/Autorizaci%c3%b3n%20del%20autor.pdf.jpg
https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/11/Informe%20de%20similitud.pdf.jpg
bitstream.checksum.fl_str_mv c583b845459ca1746e4e264159ef3fcf
d92059702ea5cf7e6fe386c92a6c2eb5
1f371687b6f23b1341728152111fac01
3655808e5dd46167956d6870b0f43800
8a4605be74aa9ea9d79846c1fba20a33
212e2a49712f1df273777ef2161bd808
452e76f62f34e2135f1494106782cd92
8dc9eab584bfc475230caabf6f63f70e
ff2a9ff833bec9c521068bea94c0a3f4
3206f8d8a206b4ef3a131d72eb2187b9
440ad57746804b3776f8b93f7bdf5135
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la Universidad Señor de Sipán
repository.mail.fl_str_mv repositorio@uss.edu.pe
_version_ 1837005469397286912
spelling Arcila Diaz, Juan CarlosMedina Rodriguez, Brando BryanYamunaque Santamaria, Sandro Marshello2025-06-26T15:26:12Z2025-06-26T15:26:12Z2025https://hdl.handle.net/20.500.12802/15284La presente revisión sistemática analiza distintos artículos que contienen técnicas de aprendizaje profundo, como redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN), redes neuronales generativas adversarias (GANs) y redes neuronales residuales (ResNets), observando el resultado de todos estos se prioriza la precisión para detectar el melanoma mediante de imágenes dermatológicas descartando artículos mediante la metodología Prima. Se recopilaron artículos de bases de datos confiables que utilizan imágenes de piel con y sin melanoma, y se entrenaron los diferentes modelos de aprendizaje profundo. Los resultados obtenidos indican una tasa de precisión superior en comparación con métodos tradicionales, lo que sugiere que estos enfoques avanzados pueden ser utilizados eficazmente para la detección temprana del melanoma. La discusión destaca que la combinación de estas técnicas de aprendizaje profundo mejora significativamente la precisión del diagnóstico. En conclusión, este método basado en aprendizaje profundo tiene el potencial de mejorar los protocolos de diagnóstico en la atención primaria, especialmente en regiones con recursos limitados para la detección temprana del cáncer. La implementación de estos avances tecnológicos podría contribuir a reducir la mortalidad y mejorar las perspectivas de tratamiento para los pacientes con melanomaTrabajo de investigaciónCiencias de la información como herramientas multidisciplinares y estratégicas en el contexto industrial y de organizacionesNuevas tendencias digitales orientadas al análisis y uso estratégico de la información.application/pdfspaUniversidad Señor de SipánPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Repositorio Institucional - USSRepositorio Institucional USSreponame:USS-Institucionalinstname:Universidad Señor de Sipaninstacron:USSMelanomaAprendizaje profundoClasificación de imágenesRedes neuronales convolucionales (CNN)Detección tempranahttps://purl.org/pe-repo/ocde/ford#2.02.04Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemáticainfo:eu-repo/semantics/bachelorThesisSUNEDUUniversidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y UrbanismoIngeniero de SistemasIngeniería de Sistemas47715777https://orcid.org/0000-0002-7788-951X6044613771594140612076https://purl.org/pe-repo/renati/level#bachillerhttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALMedina Rodriguez Brando & Yamunaque Santamaria Sandro.pdfMedina Rodriguez Brando & Yamunaque Santamaria Sandro.pdfapplication/pdf1896371https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/1/Medina%20Rodriguez%20Brando%20%26%20Yamunaque%20Santamaria%20Sandro.pdfc583b845459ca1746e4e264159ef3fcfMD51Autorización del autor.pdfAutorización del autor.pdfapplication/pdf143606https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/2/Autorizaci%c3%b3n%20del%20autor.pdfd92059702ea5cf7e6fe386c92a6c2eb5MD52Informe de similitud.pdfInforme de similitud.pdfapplication/pdf1636611https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/3/Informe%20de%20similitud.pdf1f371687b6f23b1341728152111fac01MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/4/license_rdf3655808e5dd46167956d6870b0f43800MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55TEXTMedina Rodriguez Brando & Yamunaque Santamaria Sandro.pdf.txtMedina Rodriguez Brando & Yamunaque Santamaria Sandro.pdf.txtExtracted texttext/plain85640https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/6/Medina%20Rodriguez%20Brando%20%26%20Yamunaque%20Santamaria%20Sandro.pdf.txt212e2a49712f1df273777ef2161bd808MD56Autorización del autor.pdf.txtAutorización del autor.pdf.txtExtracted texttext/plain2310https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/8/Autorizaci%c3%b3n%20del%20autor.pdf.txt452e76f62f34e2135f1494106782cd92MD58Informe de similitud.pdf.txtInforme de similitud.pdf.txtExtracted texttext/plain69212https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/10/Informe%20de%20similitud.pdf.txt8dc9eab584bfc475230caabf6f63f70eMD510THUMBNAILMedina Rodriguez Brando & Yamunaque Santamaria Sandro.pdf.jpgMedina Rodriguez Brando & Yamunaque Santamaria Sandro.pdf.jpgGenerated Thumbnailimage/jpeg9866https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/7/Medina%20Rodriguez%20Brando%20%26%20Yamunaque%20Santamaria%20Sandro.pdf.jpgff2a9ff833bec9c521068bea94c0a3f4MD57Autorización del autor.pdf.jpgAutorización del autor.pdf.jpgGenerated Thumbnailimage/jpeg10677https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/9/Autorizaci%c3%b3n%20del%20autor.pdf.jpg3206f8d8a206b4ef3a131d72eb2187b9MD59Informe de similitud.pdf.jpgInforme de similitud.pdf.jpgGenerated Thumbnailimage/jpeg6189https://repositorio.uss.edu.pe/bitstream/20.500.12802/15284/11/Informe%20de%20similitud.pdf.jpg440ad57746804b3776f8b93f7bdf5135MD51120.500.12802/15284oai:repositorio.uss.edu.pe:20.500.12802/152842025-06-27 03:02:29.944Repositorio Institucional de la Universidad Señor de Sipánrepositorio@uss.edu.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
score 13.949868
Método de detección combinando técnicas de aprendizaje profundo para clasificar imágenes de melanoma: Una revisión sistemática
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