Estrategia de aprendizaje profundo para la segmentación no supervisada en patología digital

Simple item page
dc.contributor.advisorRomo Bucheli, David Edmundo
dc.contributor.authorCamacho Torres, Julián Camilo
dc.contributor.authorDíaz Gutiérrez, Juan Sebastián
dc.contributor.evaluatorMoreno Tarazona, Alejandra
dc.contributor.evaluatorMartínez Carrillo, Fabio
dc.date.accessioned2024-05-17T13:25:25Z
dc.date.available2024-05-17T13:25:25Z
dc.date.created2024-05-09
dc.date.issued2024-05-09
dc.description.abstractLa histopatología es área fundamental de la medicina que se ocupa del estudio de las enfermedades a través de la observación microscópica de tejidos y células. Utilizando técnicas de tinción y análisis microscópico, los histopatólogos examinan muestras de tejido obtenidas mediante biopsias, autopsias o cirugías para identificar y diagnosticar enfermedades. Por otro lado, la inteligencia artificial (IA) ha demostrado ser una herramienta valiosa en el campo de la histopatología al mejorar la precisión y eficiencia en el análisis de muestras de tejido. Mediante algoritmos de aprendizaje automático, la IA puede ayudar en la detección y clasificación de células y estructuras patológicas, permitiendo una identificación más rápida y precisa de enfermedades. Con este trabajo, esperamos explorar la capacidad de generalización y robustez de una representación obtenida a través de modelos de segmentación no supervisada en el área de la histopatología. Esta técnica puede mejorar el tiempo en el diagnóstico de los pacientes debido a que los métodos no supervisados no requieren de etiquetas para generar una representación que tiene potencialmente una mejor generalización.
dc.description.abstractenglishHistopathology is a fundamental area of medicine that deals with the study of disease through microscopic observation of tissues and cells. Using microscopic staining and analysis techniques, histopathologists examine tissue samples obtained by biopsy, autopsy or surgery to identify and diagnose disease. On the other hand, artificial intelligence (AI) has proven to be a valuable tool in the field of histopathology by improving accuracy and efficiency in the analysis of tissue samples. Through machine learning algorithms, AI can aid in the detection and classification of pathological cells and structures, enabling faster and more accurate identification of diseases. With this work, we hope to explore the generalizability and robustness of a Representation obtained through unsupervised segmentation models in the area of histopathology. This technique can improve efficiency and objectivity in it diagnosis of patients because unsupervised methods do not require labels to generate a representation that potentially has better generalization.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/42417
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAprendizaje profundo
dc.subjectpatología digital
dc.subjectsegmentación no supervisada
dc.subject.keywordDeep Learning
dc.subject.keyworddigital pathology
dc.subject.keywordunsupervised segmentation
dc.titleEstrategia de aprendizaje profundo para la segmentación no supervisada en patología digital
dc.title.englishDeep learning strategy for unsupervised segmentation in digital pathology
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
286.65 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
111.47 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.04 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas