Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial

RESUMEN : En esta monografía se genera un modelo de detección de cáncer cervical usando máquinas de soporte vectorial para clasificar diferentes tipos de células basados en sus características citomorfológicas. Para lo anterior se establece una metodología de varias etapas. Primero se comienza con e...

Full description

Autores:
Muñoz Lopera, July Andrea
López Sánchez, Daniel Alberto
Tipo de recurso:
Tesis
Fecha de publicación:
2023
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/35510
Acceso en línea:
https://hdl.handle.net/10495/35510
Palabra clave:
Neoplasias del cuello uterino
Uterine Cervical Neoplasms
Células
Cells
Detección precoz del cáncer
Early Detection of Cancer
Programas de detección diagnóstica
Diagnostic Screening Programs
Cáncer cervical
Extracción datos atípicos
Reducción dimensionalidad
Máquinas de soporte vectorial
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
id UDEA2_a80e5e8d5c19c69f6416805b138712b5
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/35510
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
title Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
spellingShingle Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
Neoplasias del cuello uterino
Uterine Cervical Neoplasms
Células
Cells
Detección precoz del cáncer
Early Detection of Cancer
Programas de detección diagnóstica
Diagnostic Screening Programs
Cáncer cervical
Extracción datos atípicos
Reducción dimensionalidad
Máquinas de soporte vectorial
title_short Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
title_full Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
title_fullStr Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
title_full_unstemmed Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
title_sort Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte Vectorial
dc.creator.fl_str_mv Muñoz Lopera, July Andrea
López Sánchez, Daniel Alberto
dc.contributor.advisor.none.fl_str_mv Salazar Sánchez, María Bernarda
dc.contributor.author.none.fl_str_mv Muñoz Lopera, July Andrea
López Sánchez, Daniel Alberto
dc.subject.decs.none.fl_str_mv Neoplasias del cuello uterino
Uterine Cervical Neoplasms
Células
Cells
Detección precoz del cáncer
Early Detection of Cancer
Programas de detección diagnóstica
Diagnostic Screening Programs
topic Neoplasias del cuello uterino
Uterine Cervical Neoplasms
Células
Cells
Detección precoz del cáncer
Early Detection of Cancer
Programas de detección diagnóstica
Diagnostic Screening Programs
Cáncer cervical
Extracción datos atípicos
Reducción dimensionalidad
Máquinas de soporte vectorial
dc.subject.proposal.spa.fl_str_mv Cáncer cervical
Extracción datos atípicos
Reducción dimensionalidad
Máquinas de soporte vectorial
description RESUMEN : En esta monografía se genera un modelo de detección de cáncer cervical usando máquinas de soporte vectorial para clasificar diferentes tipos de células basados en sus características citomorfológicas. Para lo anterior se establece una metodología de varias etapas. Primero se comienza con el preprocesamiento y preparación de los datos, en donde se extraen características de las imágenes en cada canal de color RGB. Se utilizan siete características: intensidad, suavidad, uniformidad, tercer momento, entropía, desviación estándar y mediana. Además, se usa la característica luminancia en escala de grises. Con lo anterior se hace una detección y eliminación datos atípicos utilizando el método LOF (Local Outlier Factor). Luego, se procede a evaluar diferentes técnicas de escalamiento: Robusto, Estándar y MinMax, y de reducción de dimensionalidad: Análisis de Componentes Independientes (ICA), Análisis de Componentes Principales (PCA) y Análisis Discriminante Lineal (LDA). Con estas técnicas se busca simplificar la representación de los datos y evitar el sobreajuste. En la aplicación del modelo de máquinas de soporte vectorial (SVM del inglés Support Vector Machine), se utiliza el mejor método de reducción de dimensionalidad obtenido previamente y se evalúa el modelo mediante la exactitud ajustando diferentes hiper parámetros como el kernel, la regularización C, el valor gamma, el coef0 y el degree, buscando obtener el mejor rendimiento del modelo.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-06-14T21:18:59Z
dc.date.available.none.fl_str_mv 2023-06-14T21:18:59Z
dc.date.issued.none.fl_str_mv 2023
dc.type.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Especialización
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_46ec
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/COther
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/other
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/draft
format http://purl.org/coar/resource_type/c_46ec
status_str draft
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10495/35510
url https://hdl.handle.net/10495/35510
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.issupplementedby.spa.fl_str_mv https://github.com/Alberto-San/ExperimentosMonografia/tree/main
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
https://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 44
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad de Antioquia
dc.publisher.place.spa.fl_str_mv Medellín, Colombia
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería. Especialización en Analítica y Ciencia de Datos
institution Universidad de Antioquia
bitstream.url.fl_str_mv https://bibliotecadigital.udea.edu.co/bitstreams/20767cbf-fc11-46d5-99aa-9c176e5ebea7/download
https://bibliotecadigital.udea.edu.co/bitstreams/f961aec7-3ee0-407c-9a82-b94f4bfef833/download
https://bibliotecadigital.udea.edu.co/bitstreams/ba2237d5-93e8-4711-b2e9-c8844e1446d4/download
https://bibliotecadigital.udea.edu.co/bitstreams/23c45fce-3581-42fa-aa50-d82616941099/download
https://bibliotecadigital.udea.edu.co/bitstreams/8ff949f1-9c20-4e80-84dc-da85b953609c/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
e2060682c9c70d4d30c83c51448f4eed
fb6ab075f9b547e351d27490939d52f7
e8401ee83b3cee5dce2d55763fa8cbf2
b2b700e8d425044b9df1750c224e70f6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la Universidad de Antioquia
repository.mail.fl_str_mv aplicacionbibliotecadigitalbiblioteca@udea.edu.co
_version_ 1851052149043101696
spelling Salazar Sánchez, María BernardaMuñoz Lopera, July AndreaLópez Sánchez, Daniel Alberto2023-06-14T21:18:59Z2023-06-14T21:18:59Z2023https://hdl.handle.net/10495/35510RESUMEN : En esta monografía se genera un modelo de detección de cáncer cervical usando máquinas de soporte vectorial para clasificar diferentes tipos de células basados en sus características citomorfológicas. Para lo anterior se establece una metodología de varias etapas. Primero se comienza con el preprocesamiento y preparación de los datos, en donde se extraen características de las imágenes en cada canal de color RGB. Se utilizan siete características: intensidad, suavidad, uniformidad, tercer momento, entropía, desviación estándar y mediana. Además, se usa la característica luminancia en escala de grises. Con lo anterior se hace una detección y eliminación datos atípicos utilizando el método LOF (Local Outlier Factor). Luego, se procede a evaluar diferentes técnicas de escalamiento: Robusto, Estándar y MinMax, y de reducción de dimensionalidad: Análisis de Componentes Independientes (ICA), Análisis de Componentes Principales (PCA) y Análisis Discriminante Lineal (LDA). Con estas técnicas se busca simplificar la representación de los datos y evitar el sobreajuste. En la aplicación del modelo de máquinas de soporte vectorial (SVM del inglés Support Vector Machine), se utiliza el mejor método de reducción de dimensionalidad obtenido previamente y se evalúa el modelo mediante la exactitud ajustando diferentes hiper parámetros como el kernel, la regularización C, el valor gamma, el coef0 y el degree, buscando obtener el mejor rendimiento del modelo.ABSTRACT : In this monograph a cervical cancer detection model is generated using support vector machines to classify different cell types based on their cytomorphological characteristics. A multi-stage methodology is established for this purpose. First, we start with the preprocessing and preparation of the data, where features are extracted from the images in each RGB color channel. Seven features are used: intensity, smoothness, uniformity, third moment, entropy, standard deviation and median. In addition, the grayscale luminance feature is used. This is used to detect and eliminate outliers using the LOF (Local Outlier Factor) method. Then, different scaling techniques are evaluated: Robust, Standard and Min-Max, and dimensionality reduction: Independent Component Analysis (ICA), Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA). These techniques seek to simplify the representation of the data and avoid overfitting. In the application of the SVM model, the best dimensionality reduction method previously obtained is used and the model is evaluated through accuracy by adjusting different hyper parameters such as kernel, C regularization, gamma value, coef0 and degree, seeking to obtain the best performance of the model.EspecializaciónEspecialista en Analítica y Ciencia de Datos44application/pdfspaUniversidad de AntioquiaMedellín, ColombiaFacultad de Ingeniería. Especialización en Analítica y Ciencia de Datoshttp://creativecommons.org/licenses/by-nc-sa/2.5/co/https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Modelo de detección de cáncer cervical en muestras de tejido celular utilizando Máquinas de Soporte VectorialTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/draftNeoplasias del cuello uterinoUterine Cervical NeoplasmsCélulasCellsDetección precoz del cáncerEarly Detection of CancerProgramas de detección diagnósticaDiagnostic Screening ProgramsCáncer cervicalExtracción datos atípicosReducción dimensionalidadMáquinas de soporte vectorialhttps://github.com/Alberto-San/ExperimentosMonografia/tree/mainPublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/20767cbf-fc11-46d5-99aa-9c176e5ebea7/download8a4605be74aa9ea9d79846c1fba20a33MD54falseAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81051https://bibliotecadigital.udea.edu.co/bitstreams/f961aec7-3ee0-407c-9a82-b94f4bfef833/downloade2060682c9c70d4d30c83c51448f4eedMD53falseAnonymousREADORIGINALLopezDaniel_2023_ AnalisisCancerCervical.pdfLopezDaniel_2023_ AnalisisCancerCervical.pdfTrabajo de grado de especializaciónapplication/pdf881227https://bibliotecadigital.udea.edu.co/bitstreams/ba2237d5-93e8-4711-b2e9-c8844e1446d4/downloadfb6ab075f9b547e351d27490939d52f7MD51trueAnonymousREADTEXTLopezDaniel_2023_ AnalisisCancerCervical.pdf.txtLopezDaniel_2023_ AnalisisCancerCervical.pdf.txtExtracted texttext/plain74078https://bibliotecadigital.udea.edu.co/bitstreams/23c45fce-3581-42fa-aa50-d82616941099/downloade8401ee83b3cee5dce2d55763fa8cbf2MD57falseAnonymousREADTHUMBNAILLopezDaniel_2023_ AnalisisCancerCervical.pdf.jpgLopezDaniel_2023_ AnalisisCancerCervical.pdf.jpgGenerated Thumbnailimage/jpeg7016https://bibliotecadigital.udea.edu.co/bitstreams/8ff949f1-9c20-4e80-84dc-da85b953609c/downloadb2b700e8d425044b9df1750c224e70f6MD58falseAnonymousREAD10495/35510oai:bibliotecadigital.udea.edu.co:10495/355102025-03-26 17:42:43.676http://creativecommons.org/licenses/by-nc-sa/2.5/co/open.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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