RT Generic
T1 Análisis de imágenes digitales mediante técnicas de aprendizaje profundo para la detección de melanomas
T2 Digital images analysis by deep learning techniques for melanoma diagnosis
A1 Alcaraz Garófano, Carmen
K1 Melanoma - Detección
K1 Sistemas de imágenes en Medicina
K1 Procesado de imágenes
K1 Imágenes en diagnostico
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería de la Salud - Trabajos Fin de Grado
AB Entre los diversos tumores que podemos sufrir en nuestra piel, el melanoma cutáneo no es el más frecuente, pero sí el más agresivo. Aunque últimamente la supervivencia de los pacientes con melanoma cutáneo está mejorando, esta no se debe a que se hayan descubierto mejoras en el tratamiento, sino al aumento de diagnósticos precoces. El melanoma cutáneo se convierte rápidamente en metástasis, ya que crece tanto horizontalmente como verticalmente, pero en sus etapas iniciales la probabilidad de morir a causa del tumor es prácticamente nula.Por lo tanto, la detección precoz del melanoma supone un elemento clave en la supervivencia del paciente. El objetivo de este trabajo ha sido crear un método informático capaz de analizar y clasificar melanomas a partir de una imagen clínica digital. El método propuesto está basado en técnicas de aprendizaje profundo, también conocido por su nombre en inglés como deep learning. Conseguir un algoritmo que realice esta clasificación de forma fidedigna podría ser la antesala de una aplicación de diagnóstico a distancia, propia de la telemedicina.En primer lugar, se recopilaron imágenes de melanomas y nevos, las cuales fueron tratadas y preprocesadas antes de ser utilizadas por las redes neuronales convolucionales creadas. En cuanto a la arquitectura neuronal utilizada, se crearon cuatro versiones distintas. Tres de ellas fueron redes creadas de cero, mientras que la última se creó a partir de AlexNet.
YR 2018
FD 2018-11-27
LK https://hdl.handle.net/10630/16965
UL https://hdl.handle.net/10630/16965
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 20 ene 2026