Ítem
Acceso Abierto
Identificación de neoplasia intraepitelial cervical mediante el uso de aprendizaje de máquina
Título de la revista
Autores
Tenjo Castaño, Camilo Antonio
Fecha
2024-03-20
Directores
Perdomo Charry, Oscar Julián
Orjuela Cañón, Álvaro David
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
Los diagnósticos incorrectos de Neoplasia Intraepitelial Cervical (NIC), impactan directamente en el aumento de la tasa de mortalidad por cáncer cervical. Específicamente, América Latina ha estado entre las regiones con mayores tasas de incidencia y mortalidad en los últimos años. Actualmente existen investigaciones que se enfocan en su prevención teniendo como objetivo el diagnóstico temprano y seguimiento de su lesión predecesora, la Neoplasia Intraepitelial Cervical, también llamada Displasia Cervical. Por tanto, las metodologías basadas en visión computacional y aprendizaje de máquina son vitales, para el desarrollo de herramientas de asistencia diagnóstica temprana para el apoyo de especialistas. El objetivo de esta propuesta de trabajo de grado de maestría es la aplicación de arquitecturas de Aprendizaje Profundo y Transformadores de Visión para clasificar los grados de avance de la Neoplasia Intraepitelial Cervical usando imágenes de colposcopía obtenidas de la base de datos libre generada para el reto Intel & Mobile ODT Cervical Cancer Screening.
Abstract
Misdiagnosis of Cervical Intraepithelial Neoplasia (CIN) has a direct impact on the increase in cervical cancer mortality rates. Specifically, Latin America has been among the regions with the highest incidence and mortality rates in recent years. Currently there is research that focuses on its prevention aiming at early diagnosis and follow-up of its predecessor lesion, Cervical Intraepithelial Neoplasia, also called Cervical Dysplasia. Therefore, methodologies based on computer vision and machine learning are vital for the development of early diagnostic assistance tools for the support of specialists. The objective of this master's degree work proposal is the application of Deep Learning architectures and Vision Transformers to classify Cervical Intraepithelial Neoplasia progression grades using colposcopy images obtained from the free database generated for the Intel & Mobile ODT Cervical Cancer Screening challenge.
Palabras clave
Aprendizaje automático , Aprendizaje profundo , Colposcopía , Displasia cervical , Neoplasia intraepitelial cervical , Transformadores de visión
Keywords
Colposcopy , Cervical Dysplasia , Cervical Intraepithelial Neoplasia , Machine Learning , Deep Learning , Classification , Vision Transformers
