DSpace logo
Please use this identifier to cite or link to this item: http://repositorio.ucsg.edu.ec/handle/3317/20047
Title: Modelo Machine Learning para la detección de tumores cerebrales mediante un conjunto de imágenes de resonancias magnéticas.
Authors: Castellano Sánchez, Kevin Lester
metadata.dc.contributor.advisor: Célleri Mujica, Colón Mario
Keywords: MINERÍA DE DATOS;RED NEURONAL CONVOLUCIONAL;DEEP LEARNING;INTERFAZ WEB
Issue Date: 15-Sep-2022
Publisher: Universidad Católica de Santiago de Guayaquil
Abstract: 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.
Description: 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.
URI: http://repositorio.ucsg.edu.ec/handle/3317/20047
Appears in Collections:Trabajos de Titulación - Carrera de Ingeniería en Sistemas Computacionales

Files in This Item:
File Description SizeFormat 
T-UCSG-PRE-ING-CIS-305.pdf1,74 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons