Mostrar el registro sencillo del ítem

dc.contributor.advisorVillegas Cubas, Juan Elíases_PE
dc.contributor.authorSantamaria Santisteban, Jahir Santoses_PE
dc.contributor.authorSiesquen Valdivia, Luis Felipees_PE
dc.date.accessioned2025-01-14T02:25:19Z
dc.date.available2025-01-14T02:25:19Z
dc.date.issued2024-11-21
dc.identifier.citationSantamaria, J., & Siesquen, L. F. (2024). Sistema inteligente basado en deep learning para el diagnóstico de cáncer de próstata [Tesis de ingeniería, Universidad Nacional Pedro Ruiz Gallo]. Repositorio Institucional UNPRG.es_PE
dc.identifier.urihttps://hdl.handle.net/20.500.12893/13896
dc.description.abstractLa presente investigación aborda el problema del diagnóstico de cáncer de próstata, una de las principales causas de mortalidad en hombres a nivel mundial. El diagnóstico temprano de esta enfermedad es un desafío debido a la complejidad en la detección de signos tempranos y la falta de acceso a tecnologías avanzadas en muchas regiones. En respuesta a esta problemática, se desarrolló un sistema basado en Deep Learning que permite la identificación precisa de cáncer de próstata a través de imágenes histológicas. Este proyecto se fundamenta en técnicas de Deep Learning, específicamente en el uso de redes neuronales convolucionales, que han mostrado un rendimiento superior en la clasificación de imágenes médicas. Los modelos utilizados incluyen arquitecturas avanzadas como VGG16, VGG19 y ResNet50, siendo el modelo VGG19 el seleccionado debido a su alta precisión en la detección de imágenes con cáncer y sin cáncer. La metodología aplicada corresponde a una investigación aplicada con un enfoque cuantitativo. La población estuvo compuesta por un conjunto de imágenes de histología de próstata, y la muestra final utilizada para el entrenamiento del sistema fue de 13,827 imágenes, divididas en dos categorías: con cáncer y sin cáncer. Para la recolección de información se emplearon técnicas de análisis documental y observación. Como resultado, el sistema inteligente logró una precisión del 94.11% utilizando el modelo VGG19, lo cual representa un avance significativo en la capacidad de detección de cáncer de próstata a través de herramientas automatizadas. Este sistema tiene el potencial de convertirse en un soporte fundamental para los profesionales de la salud, optimizando los procesos de diagnóstico y contribuyendo a una atención más efectiva y oportuna.es_PE
dc.description.abstractThis research addresses the problem of prostate cancer diagnosis, one of the main causes of mortality in men worldwide. Early diagnosis of this disease is a challenge due to the complexity of detecting early signs and the lack of access to advanced technologies in many regions. In response to this problem, a system based on Deep Learning was developed that allows the accurate identification of prostate cancer through histological images. This project is based on Deep Learning techniques, specifically the use of convolutional neural networks, which have shown superior performance in the classification of medical images. The models used include advanced architectures such as VGG16, VGG19 and ResNet50, being the VGG19 model the selected one due to its high accuracy in detecting images with cancer and without cancer. The methodology applied corresponds to an applied research with a quantitative approach. The population was composed of a set of prostate histology images, and the final sample used for training the system was 13,827 images, divided into two categories: with cancer and without cancer. Documentary analysis and observation techniques were used for data collection. As a result, the intelligent system achieved an accuracy of 94.11% using the VGG19 model, which represents a significant advance in the ability to determine the accuracy of the system.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional Pedro Ruiz Galloes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/es_PE
dc.sourceUniversidad Nacional Pedro Ruiz Galloes_PE
dc.sourceRepositorio Institucional - UNPRGes_PE
dc.subjectCáncer de próstataes_PE
dc.subjectDeep Learninges_PE
dc.subjectRedes neuronales convolucionaleses_PE
dc.subjectProstate canceres_PE
dc.subjectConvolutional neural networkses_PE
dc.titleSistema inteligente basado en deep learning para el diagnóstico de cáncer de próstataes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero de Sistemases_PE
thesis.degree.grantorUniversidad Nacional Pedro Ruiz Gallo - Facultad de Ingeniería Civil, Sistemas y Arquitecturaes_PE
thesis.degree.disciplineIngeniería de Sistemases_PE
dc.type.versioninfo:eu-repo/semantics/draftes_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04es_PE
renati.author.dni74245718
renati.author.dni72314652
renati.advisor.dni80103991
renati.advisor.orcidhttps://orcid.org/0000-0001-7026-9767es_PE
renati.typehttp://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
renati.discipline612076es_PE
renati.jurorCeli Arévalo, Ernesto Karloes_PE
renati.jurorOtake Oyama, Luis Albertoes_PE
renati.jurorArteaga Lora, Roberto Carloses_PE


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess
Universidad Nacional Pedro Ruiz Gallo

Calle Juan XXIII 391 Lambayeque - Perú | Telf. 283146 - 283115 - 282120 - 282356

Todos los contenidos de repositorio.unprg.edu.pe están bajo la Licencia Creative Commons v.4.0

repositorio@unprg.edu.pe