Clasificación de tipos de cáncer en imágenes de histopatología

Autores
García, Mario Alejandro; Gramática, Martín Nicolás; Rostagno, Leandro Ariel; Ricapito, Juan Pablo
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
La aplicación de inteligencia artificial sobre imágenes de histopatología necesita gran cantidad de datos. Una alternativa propuesta recientemente para detectar y clasificar cáncer sobre este tipo de imágenes es la codificación previa mediante texturas. En este trabajo se realiza la clasificación de 32 tipos de cáncer en imágenes de histopatología mediante seis modelos de ResNet-18 con distintas modificaciones. A través de los resultados se estudia la validez del supuesto de que las texturas contienen información suficiente para reconocer patrones de cáncer en imágenes. Los resultados, sin ser concluyentes, apoyan el supuesto y aportan nuevo conocimiento sobre las características que debe tener una red neuronal aplicada a la clasificación de tipos de cáncer.
Fil: Gramática, Martín Nicolás . Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Investigación en Inteligencia Artificial; Argentina.
Fil: García, Mario Alejandro. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Investigación en Inteligencia Artificial; Argentina.
Fil: Pianzola, Guido. Hospital Inter zonal San Roque. Grupo de Investigación en Inteligencia Artificial; Argentina.
Fil: Alfici, Hugo David. Hospital Madariaga. Grupo de Investigación en Inteligencia Artificial; Argentina.
Peer Reviewed
Fuente
X Congreso Nacional de Ingeniería Informática / Sistemas de Información
Materia
Inteligencia artificial
Aprendizaje automático
Patología digital
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-NoDerivs 2.5 Argentina
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/15566
Acceder
id RIAUTN_8dd1a99361407a88f15256ffaeccae91
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/15566
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Clasificación de tipos de cáncer en imágenes de histopatologíaGarcía, Mario AlejandroGramática, Martín NicolásRostagno, Leandro ArielRicapito, Juan PabloInteligencia artificialAprendizaje automáticoPatología digitalLa aplicación de inteligencia artificial sobre imágenes de histopatología necesita gran cantidad de datos. Una alternativa propuesta recientemente para detectar y clasificar cáncer sobre este tipo de imágenes es la codificación previa mediante texturas. En este trabajo se realiza la clasificación de 32 tipos de cáncer en imágenes de histopatología mediante seis modelos de ResNet-18 con distintas modificaciones. A través de los resultados se estudia la validez del supuesto de que las texturas contienen información suficiente para reconocer patrones de cáncer en imágenes. Los resultados, sin ser concluyentes, apoyan el supuesto y aportan nuevo conocimiento sobre las características que debe tener una red neuronal aplicada a la clasificación de tipos de cáncer.Fil: Gramática, Martín Nicolás . Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Investigación en Inteligencia Artificial; Argentina.Fil: García, Mario Alejandro. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Investigación en Inteligencia Artificial; Argentina.Fil: Pianzola, Guido. Hospital Inter zonal San Roque. Grupo de Investigación en Inteligencia Artificial; Argentina.Fil: Alfici, Hugo David. Hospital Madariaga. Grupo de Investigación en Inteligencia Artificial; Argentina.Peer ReviewedUniversidad Tecnológica Nacional Regional Córdoba.2026-09-14T19:31:12Z2022-11-03info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdf10mo Congreso Nacional de Ingeniería Informática y Sistemas de Información (CoNaIISI)https://hdl.handle.net/20.500.12272/15566https://doi.org/10.33414/ajea.1146.2022X Congreso Nacional de Ingeniería Informática / Sistemas de Informaciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivs 2.5 Argentinahttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/García, Mario Alejandro; Gramática, Martín Nicolás; Rostagno, Leandro Ariel; Ricapito, Juan Pablohttps://creativecommons.org/licenses/by-nc-nd/4.0/2026-09-24T12:46:46Zoai:ria.utn.edu.ar:20.500.12272/15566instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:46:47.625Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Clasificación de tipos de cáncer en imágenes de histopatología
title Clasificación de tipos de cáncer en imágenes de histopatología
spellingShingle Clasificación de tipos de cáncer en imágenes de histopatología
García, Mario Alejandro
Inteligencia artificial
Aprendizaje automático
Patología digital
title_short Clasificación de tipos de cáncer en imágenes de histopatología
title_full Clasificación de tipos de cáncer en imágenes de histopatología
title_fullStr Clasificación de tipos de cáncer en imágenes de histopatología
title_full_unstemmed Clasificación de tipos de cáncer en imágenes de histopatología
title_sort Clasificación de tipos de cáncer en imágenes de histopatología
dc.creator.none.fl_str_mv García, Mario Alejandro
Gramática, Martín Nicolás
Rostagno, Leandro Ariel
Ricapito, Juan Pablo
author García, Mario Alejandro
author_facet García, Mario Alejandro
Gramática, Martín Nicolás
Rostagno, Leandro Ariel
Ricapito, Juan Pablo
author_role author
author2 Gramática, Martín Nicolás
Rostagno, Leandro Ariel
Ricapito, Juan Pablo
author2_role author
author
author
dc.subject.none.fl_str_mv Inteligencia artificial
Aprendizaje automático
Patología digital
topic Inteligencia artificial
Aprendizaje automático
Patología digital
dc.description.none.fl_txt_mv La aplicación de inteligencia artificial sobre imágenes de histopatología necesita gran cantidad de datos. Una alternativa propuesta recientemente para detectar y clasificar cáncer sobre este tipo de imágenes es la codificación previa mediante texturas. En este trabajo se realiza la clasificación de 32 tipos de cáncer en imágenes de histopatología mediante seis modelos de ResNet-18 con distintas modificaciones. A través de los resultados se estudia la validez del supuesto de que las texturas contienen información suficiente para reconocer patrones de cáncer en imágenes. Los resultados, sin ser concluyentes, apoyan el supuesto y aportan nuevo conocimiento sobre las características que debe tener una red neuronal aplicada a la clasificación de tipos de cáncer.
Fil: Gramática, Martín Nicolás . Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Investigación en Inteligencia Artificial; Argentina.
Fil: García, Mario Alejandro. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Investigación en Inteligencia Artificial; Argentina.
Fil: Pianzola, Guido. Hospital Inter zonal San Roque. Grupo de Investigación en Inteligencia Artificial; Argentina.
Fil: Alfici, Hugo David. Hospital Madariaga. Grupo de Investigación en Inteligencia Artificial; Argentina.
Peer Reviewed
description La aplicación de inteligencia artificial sobre imágenes de histopatología necesita gran cantidad de datos. Una alternativa propuesta recientemente para detectar y clasificar cáncer sobre este tipo de imágenes es la codificación previa mediante texturas. En este trabajo se realiza la clasificación de 32 tipos de cáncer en imágenes de histopatología mediante seis modelos de ResNet-18 con distintas modificaciones. A través de los resultados se estudia la validez del supuesto de que las texturas contienen información suficiente para reconocer patrones de cáncer en imágenes. Los resultados, sin ser concluyentes, apoyan el supuesto y aportan nuevo conocimiento sobre las características que debe tener una red neuronal aplicada a la clasificación de tipos de cáncer.
publishDate 2022
dc.date.none.fl_str_mv 2022-11-03
2026-09-14T19:31:12Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv 10mo Congreso Nacional de Ingeniería Informática y Sistemas de Información (CoNaIISI)
https://hdl.handle.net/20.500.12272/15566
https://doi.org/10.33414/ajea.1146.2022
identifier_str_mv 10mo Congreso Nacional de Ingeniería Informática y Sistemas de Información (CoNaIISI)
url https://hdl.handle.net/20.500.12272/15566
https://doi.org/10.33414/ajea.1146.2022
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivs 2.5 Argentina
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
García, Mario Alejandro; Gramática, Martín Nicolás; Rostagno, Leandro Ariel; Ricapito, Juan Pablo
https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 2.5 Argentina
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
García, Mario Alejandro; Gramática, Martín Nicolás; Rostagno, Leandro Ariel; Ricapito, Juan Pablo
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Tecnológica Nacional Regional Córdoba.
publisher.none.fl_str_mv Universidad Tecnológica Nacional Regional Córdoba.
dc.source.none.fl_str_mv X Congreso Nacional de Ingeniería Informática / Sistemas de Información
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230928815718400
score 13.265058

Publicaciones similares