Herramienta de software para la detección de melanomas usando redes neuronales

Autores
Pagliaruzza, Manuel
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Gutiérrez, María de los Milagros
Descripción
El melanoma es un tipo de cáncer de piel altamente letal debido a su rápida capacidad de metástasis. Representa aproximadamente el 75% de las muertes por cáncer de piel, lo que subraya la importancia de una detección temprana y precisa. Suele manifestarse como lunares o marcas pigmentadas, con mayor prevalencia en personas de tez clara. Los factores de riesgo incluyen la genética y la exposición a la radiación ultravioleta. Actualmente, la evaluación de lesiones cutáneas sospechosas se realiza con dermatoscopios, dispositivos que permiten un examen detallado por parte de los dermatólogos. Sin embargo, este método depende de la interpretación visual del especialista, lo que puede generar variabilidad en los diagnósticos. Esta subjetividad resalta la necesidad de herramientas diagnósticas adicionales que ofrezcan mayor precisión y objetividad. En este contexto, las redes neuronales convolucionales (CNNs) emergen como una tecnología prometedora para mejorar la detección del melanoma. Estas herramientas de inteligencia artificial pueden analizar imágenes dermatoscópicas y reconocer patrones indicativos de la enfermedad con una precisión comparable o superior a la de los especialistas. La integración de CNNs en el diagnóstico del melanoma ofrece múltiples ventajas. Reduce la variabilidad diagnóstica al basarse en datos, sirve como apoyo a los dermatólogos y facilita la detección en etapas tempranas, mejorando las tasas de supervivencia. Este proyecto busca desarrollar una herramienta basada en CNNs que funcione como una segunda opinión confiable, optimizando la accesibilidad y eficiencia del diagnóstico. Su implementación ayudaría a cerrar la brecha entre la tecnología avanzada y la práctica clínica, contribuyendo a la detección temprana del melanoma y mejorando los resultados del tratamiento en los pacientes.
Fil: Pagliaruzza, Manuel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
Materia
Red neuronal
IA
Inteligencia Artificial
Medicina
Melanoma
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/12132
Acceder
id RIAUTN_b0971b5b5f48ec06e631f51a8e13e3bd
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/12132
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Herramienta de software para la detección de melanomas usando redes neuronalesPagliaruzza, ManuelRed neuronalIAInteligencia ArtificialMedicinaMelanomaEl melanoma es un tipo de cáncer de piel altamente letal debido a su rápida capacidad de metástasis. Representa aproximadamente el 75% de las muertes por cáncer de piel, lo que subraya la importancia de una detección temprana y precisa. Suele manifestarse como lunares o marcas pigmentadas, con mayor prevalencia en personas de tez clara. Los factores de riesgo incluyen la genética y la exposición a la radiación ultravioleta. Actualmente, la evaluación de lesiones cutáneas sospechosas se realiza con dermatoscopios, dispositivos que permiten un examen detallado por parte de los dermatólogos. Sin embargo, este método depende de la interpretación visual del especialista, lo que puede generar variabilidad en los diagnósticos. Esta subjetividad resalta la necesidad de herramientas diagnósticas adicionales que ofrezcan mayor precisión y objetividad. En este contexto, las redes neuronales convolucionales (CNNs) emergen como una tecnología prometedora para mejorar la detección del melanoma. Estas herramientas de inteligencia artificial pueden analizar imágenes dermatoscópicas y reconocer patrones indicativos de la enfermedad con una precisión comparable o superior a la de los especialistas. La integración de CNNs en el diagnóstico del melanoma ofrece múltiples ventajas. Reduce la variabilidad diagnóstica al basarse en datos, sirve como apoyo a los dermatólogos y facilita la detección en etapas tempranas, mejorando las tasas de supervivencia. Este proyecto busca desarrollar una herramienta basada en CNNs que funcione como una segunda opinión confiable, optimizando la accesibilidad y eficiencia del diagnóstico. Su implementación ayudaría a cerrar la brecha entre la tecnología avanzada y la práctica clínica, contribuyendo a la detección temprana del melanoma y mejorando los resultados del tratamiento en los pacientes.Fil: Pagliaruzza, Manuel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.Gutiérrez, María de los Milagros2025-02-11T20:53:24Z2024-04info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradopdfapplication/pdfhttp://hdl.handle.net/20.500.12272/12132spainfo:eu-repo/semantics/openAccessAttribution-NonCommercial 4.0 Internationalhttp://creativecommons.org/licenses/by-nc/4.0/Manuel Santiago PagliaruzzaCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:47:30Zoai:ria.utn.edu.ar:20.500.12272/12132instacron: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 12:47:31.378Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Herramienta de software para la detección de melanomas usando redes neuronales
title Herramienta de software para la detección de melanomas usando redes neuronales
spellingShingle Herramienta de software para la detección de melanomas usando redes neuronales
Pagliaruzza, Manuel
Red neuronal
IA
Inteligencia Artificial
Medicina
Melanoma
title_short Herramienta de software para la detección de melanomas usando redes neuronales
title_full Herramienta de software para la detección de melanomas usando redes neuronales
title_fullStr Herramienta de software para la detección de melanomas usando redes neuronales
title_full_unstemmed Herramienta de software para la detección de melanomas usando redes neuronales
title_sort Herramienta de software para la detección de melanomas usando redes neuronales
dc.creator.none.fl_str_mv Pagliaruzza, Manuel
author Pagliaruzza, Manuel
author_facet Pagliaruzza, Manuel
author_role author
dc.contributor.none.fl_str_mv Gutiérrez, María de los Milagros
dc.subject.none.fl_str_mv Red neuronal
IA
Inteligencia Artificial
Medicina
Melanoma
topic Red neuronal
IA
Inteligencia Artificial
Medicina
Melanoma
dc.description.none.fl_txt_mv El melanoma es un tipo de cáncer de piel altamente letal debido a su rápida capacidad de metástasis. Representa aproximadamente el 75% de las muertes por cáncer de piel, lo que subraya la importancia de una detección temprana y precisa. Suele manifestarse como lunares o marcas pigmentadas, con mayor prevalencia en personas de tez clara. Los factores de riesgo incluyen la genética y la exposición a la radiación ultravioleta. Actualmente, la evaluación de lesiones cutáneas sospechosas se realiza con dermatoscopios, dispositivos que permiten un examen detallado por parte de los dermatólogos. Sin embargo, este método depende de la interpretación visual del especialista, lo que puede generar variabilidad en los diagnósticos. Esta subjetividad resalta la necesidad de herramientas diagnósticas adicionales que ofrezcan mayor precisión y objetividad. En este contexto, las redes neuronales convolucionales (CNNs) emergen como una tecnología prometedora para mejorar la detección del melanoma. Estas herramientas de inteligencia artificial pueden analizar imágenes dermatoscópicas y reconocer patrones indicativos de la enfermedad con una precisión comparable o superior a la de los especialistas. La integración de CNNs en el diagnóstico del melanoma ofrece múltiples ventajas. Reduce la variabilidad diagnóstica al basarse en datos, sirve como apoyo a los dermatólogos y facilita la detección en etapas tempranas, mejorando las tasas de supervivencia. Este proyecto busca desarrollar una herramienta basada en CNNs que funcione como una segunda opinión confiable, optimizando la accesibilidad y eficiencia del diagnóstico. Su implementación ayudaría a cerrar la brecha entre la tecnología avanzada y la práctica clínica, contribuyendo a la detección temprana del melanoma y mejorando los resultados del tratamiento en los pacientes.
Fil: Pagliaruzza, Manuel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
description El melanoma es un tipo de cáncer de piel altamente letal debido a su rápida capacidad de metástasis. Representa aproximadamente el 75% de las muertes por cáncer de piel, lo que subraya la importancia de una detección temprana y precisa. Suele manifestarse como lunares o marcas pigmentadas, con mayor prevalencia en personas de tez clara. Los factores de riesgo incluyen la genética y la exposición a la radiación ultravioleta. Actualmente, la evaluación de lesiones cutáneas sospechosas se realiza con dermatoscopios, dispositivos que permiten un examen detallado por parte de los dermatólogos. Sin embargo, este método depende de la interpretación visual del especialista, lo que puede generar variabilidad en los diagnósticos. Esta subjetividad resalta la necesidad de herramientas diagnósticas adicionales que ofrezcan mayor precisión y objetividad. En este contexto, las redes neuronales convolucionales (CNNs) emergen como una tecnología prometedora para mejorar la detección del melanoma. Estas herramientas de inteligencia artificial pueden analizar imágenes dermatoscópicas y reconocer patrones indicativos de la enfermedad con una precisión comparable o superior a la de los especialistas. La integración de CNNs en el diagnóstico del melanoma ofrece múltiples ventajas. Reduce la variabilidad diagnóstica al basarse en datos, sirve como apoyo a los dermatólogos y facilita la detección en etapas tempranas, mejorando las tasas de supervivencia. Este proyecto busca desarrollar una herramienta basada en CNNs que funcione como una segunda opinión confiable, optimizando la accesibilidad y eficiencia del diagnóstico. Su implementación ayudaría a cerrar la brecha entre la tecnología avanzada y la práctica clínica, contribuyendo a la detección temprana del melanoma y mejorando los resultados del tratamiento en los pacientes.
publishDate 2024
dc.date.none.fl_str_mv 2024-04
2025-02-11T20:53:24Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/12132
url http://hdl.handle.net/20.500.12272/12132
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial 4.0 International
http://creativecommons.org/licenses/by-nc/4.0/
Manuel Santiago Pagliaruzza
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial 4.0 International
http://creativecommons.org/licenses/by-nc/4.0/
Manuel Santiago Pagliaruzza
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv 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_ 1877230938174259200
score 13.265058

Publicaciones similares