Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Romo Bucheli, David EdmundoCamacho Torres, Julián CamiloDíaz Gutiérrez, Juan Sebastián2024-05-172024-05-172024-05-092024-05-09https://noesis.uis.edu.co/handle/20.500.14071/42417La 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.application/pdfspainfo:eu-repo/semantics/openAccessAprendizaje profundopatología digitalsegmentación no supervisadaUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coDeep Learningdigital pathologyunsupervised segmentationhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)