Mostrar el registro sencillo del ítem

Proyecto Fin de Carrera

dc.contributor.advisorSerrano Gotarredona, María del Carmenes
dc.contributor.advisorAcha Piñero, Begoñaes
dc.creatorTorres Rodríguez, Paulaes
dc.date.accessioned2021-10-25T15:40:06Z
dc.date.available2021-10-25T15:40:06Z
dc.date.issued2021
dc.identifier.citationTorres Rodríguez, P. (2021). Redes neuronales profundas para el análisis de patrones en lesiones pigmentadas de la piel. (Proyecto Fin de Carrera Inédito). Universidad de Sevilla, Sevilla.
dc.identifier.urihttps://hdl.handle.net/11441/126833
dc.description.abstractHay muchos avances tecnológicos que van modificando el concepto de salud debido a las necesidades sanitarias. El cáncer ha aumentado mucho en las últimas décadas, por lo tanto, presenta un importante problema de salud pública. La detección precoz de tumores malignos, es un aspecto muy importante para prevenir el riesgo de los mismos. Disponemos de muchas técnicas por imagen empleadas para la detección precoz, entre ellas está la dermatoscopia, la cual ha revelado una nueva forma de tratar las lesiones pigmentadas de la piel, debido a que es una técnica in vivo no invasiva. La Inteligencia Artificial es una rama de la ciencia, en concreto de la informática, que hace referencia a la capacidad de una máquina de resolver un problema como lo haría un ser humano. Dentro de la inteligencia artificial existen dos ramas: Machine Learning y Deep Learning. Este trabajo pretende realizar la clasificación de lesiones pigmentadas en la piel mediante Inteligencia Artificial más específicamente usando aprendizaje profundo (Deep Learning), utilizando el lenguaje de programación Python. Vamos a usar una red neuronal sencilla para el tratamiento digital de imágenes dermatoscópicas y así poder detectar patrones del tipo globular, homogéneo y reticulado. La detección de estos tres patrones forma parte de los criterios diagnósticos de las lesiones de la piel utilizados por los dermatólogos para el diagnóstico.es
dc.description.abstractThere are many technological advances that are modifying the concept of health due to health needs. Cancer has increased greatly in recent decades, therefore it presents a major public health problem. The early detection of malignant tumors is a very important aspect to prevent their risk. We have many imaging techniques used for early detection, among them is dermoscopy, which has revealed a new way of treating pigmented skin lesions, since it is a non-invasive in vivo technique. Artificial Intelligence is a branch of science, specifically computer science, which refers to the ability of a machine to solve a problem as a human being would. Within artificial intelligence there are two branches: Machine Learning and Deep Learning. This work aims to perform the classification of pigmented skin lesions through Artificial Intelligence more specifically using Deep Learning, using the Python programming language. We are going to use a simple neural network for the digital treatment of dermoscopic images and thus be able to detect globular, homogeneous and reticulated patterns. The detection of these three patterns is part of the diagnostic criteria for skin lesions used by dermatologists for diagnosis.es
dc.formatapplication/pdfes
dc.format.extent67es
dc.language.isospaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titleRedes neuronales profundas para el análisis de patrones en lesiones pigmentadas de la pieles
dc.typePFC
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersiones
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.contributor.affiliationUniversidad de Sevilla. Departamento de Teoría de la Señal y Comunicacioneses
dc.description.degreeUniversidad de Sevilla. Ingeniería Telecomunicaciónes
dc.publication.endPage50 p.es

FicherosTamañoFormatoVerDescripción
TFG-3673-TORRES RODRIGUEZ.pdf2.732MbIcon   [PDF] Ver/Abrir  

Este registro aparece en las siguientes colecciones

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como: Attribution-NonCommercial-NoDerivatives 4.0 Internacional