info:eu-repo/semantics/bachelorThesis
Modelo Machine Learning para la detección de tumores cerebrales mediante un conjunto de imágenes de resonancias magnéticas.
Autor
Castellano Sánchez, Kevin Lester
Resumen
El Machine Learning se utiliza en algunos campos del conocimiento, como la
medicina, por su predicción de la eficacia en tratamientos de enfermedades y
en la toma de decisiones luego de la identificación de patrones. Esto permite
crear herramientas de soporte para diagnóstico, como el Modelo ML para la
detección de tumores cerebrales mediante resonancias magnéticas que se
propone, por medio del cual se permitirá la automatización de dicho proceso,
para agilizar el diagnóstico del médico tratante. Se conoció sobre las redes
neuronales, el aprendizaje por transferencia, la arquitectura ResNet 50, Deep
Learning, además de las redes neuronales convolucionales. Se utilizó la
metodología descriptiva con enfoque cualitativo y entrevista a profesionales
médicos, además del prototipado evolutivo como metodología de desarrollo.
Se conoció que la tecnología tiene relevancia en la medicina, y que sí es
conveniente implementar una herramienta que sirva de soporte para la toma
de decisiones en cuanto a diagnóstico de tumores cerebrales. De la
evaluación del prototipo se obtuvo una tasa de aciertos aceptable para el
desarrollo de la herramienta. Al finalizar, se propusieron algunas conclusiones
y recomendaciones a considerar para posibles trabajos futuros. Machine Learning is used in some fields of knowledge, such as medicine, for
its prediction of the effectiveness of disease treatments and decision making
after the identification of patterns. This allows the creation of support tools for
diagnosis, such as the ML Model for the detection of brain tumors through
magnetic resonance imaging that is proposed, which will allow the automation
of this process, to speed up the diagnosis of the treating physician. We learned
about neural networks, transfer learning, ResNet 50 architecture, Deep
Learning, and convolutional neural networks. A descriptive methodology with
qualitative approach and interviews with medical professionals was used, in
addition to evolutionary prototyping as a development methodology. It was
learned that technology has relevance in medicine, and that it is convenient to
implement a tool to support decision making in the diagnosis of brain tumors.
From the evaluation of the prototype, an acceptable success rate for the
development of the tool was obtained. At the end, some conclusions and
recommendations to be considered for possible future work were proposed.