Aprendizaje profundo para identificacion de lesiones no melanociticas sobre imagenes dermoscopicas

El proyecto se centra en mejorar el diagnóstico de lesiones no melanocíticas en dermatología, un desafío significativo en la práctica clínica. Estas lesiones, que abarcan una variedad de afecciones cutáneas, requieren experiencia especializada para una identificación precisa. El conjunto de datos HAM10000, que contiene 10,015 imágenes obtenidas mediante dermatoscopia, proporciona una valiosa fuente de información. Sin embargo, la clasificación manual de estas lesiones es laboriosa y puede llevar a diagnósticos inconsistentes. Para abordar este desafío, se propone desarrollar un sistema basado en técnicas avanzadas de inteligencia artificial capaz de aprender de manera autónoma a partir de los datos, lo que permite capturar detalles que a menudo pasan desapercibidos para la observación humana. Además, estos modelos tienen la capacidad de generalizar su aprendizaje a nuevas muestras, lo que es crucial en un entorno clínico donde pueden surgir casos atípicos. La implementación de métodos de aprendizaje profundo promete agilizar los tiempos de diagnóstico y reducir la variabilidad entre observadores, al mismo tiempo que proporciona una evaluación objetiva y uniforme de las lesiones no melanocíticas. Esto beneficia tanto a los profesionales de la salud al mejorar la precisión diagnóstica, como a los pacientes al brindar diagnósticos más rápidos y precisos, lo que en última instancia puede tener un impacto positivo en los resultados y la calidad de vida de quienes padecen estas afecciones cutáneas. El proyecto se divide en tres etapas: análisis del conjunto de imágenes de HAM10000 para seleccionar y clasificar lesiones no melanocíticas, desarrollo de un modelo de aprendizaje profundo para identificar lesiones melanocíticas, y evaluación del desempeño del sistema. En resumen, se busca desarrollar un sistema de identificación de lesiones cutáneas no melanocíticas mediante técnicas avanzadas de inteligencia artificial, abordando una necesidad crítica en dermatología y mejorando significativamente la precisión diagnóstica y la atención a los pacientes afectados por estas afecciones cutáneas.

• Autores: Byron, Medina Delgado; Sergio Alexander, Castro Casadiego; Castro Casadiego, Sergio Alexander; Medina Delgado, Byron
• Tipo de recurso: http://purl.org/coar/resource_type/c_baaf
• Fecha de publicación: 2023
• Institución: Universidad Francisco de Paula Santander
• Repositorio: Repositorio Digital UFPS
• Idioma: spa
• OAI Identifier: oai:repositorio.ufps.edu.co:ufps/9520
• Acceso en línea: https://repositorio.ufps.edu.co/handle/ufps/9520
• Rights: openAccess
• License: Derechos Reservados - Universidad Francisco de Paula Santander