<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-05-30T05:06:22Z</responseDate><request verb="GetRecord" identifier="oai:riuma.uma.es:10630/25873" metadataPrefix="marc">https://riuma.uma.es/rest/oai/request</request><GetRecord><record><header><identifier>oai:riuma.uma.es:10630/25873</identifier><datestamp>2026-02-03T10:23:05Z</datestamp><setSpec>com_10630_1685</setSpec><setSpec>col_10630_38055</setSpec></header><metadata><record xmlns="http://www.loc.gov/MARC21/slim" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
   <leader>00925njm 22002777a 4500</leader>
   <datafield ind2=" " ind1=" " tag="042">
      <subfield code="a">dc</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="720">
      <subfield code="a">Gordillo Sánchez, Pablo</subfield>
      <subfield code="e">author</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2022-09</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="520">
      <subfield code="a">Los modelos de aprendizaje automático son ampliamente utilizados por la comunidad&#xd;
informática desde hace años para realizar tareas de clasificación de imágenes. Una de sus&#xd;
grandes ventajas frente a otros tipos de algoritmos de clasificación es su capacidad para&#xd;
resolver problemas muy distintos sin cambiar su arquitectura, mediante entrenamientos&#xd;
en los que se procesan miles de imágenes. En el ámbito de las imágenes clínicas, su uso es&#xd;
cada vez más extenso y los resultados más precisos. Poner estos algoritmos a disposición&#xd;
de cualquier persona o profesional médico puede ser muy beneficioso para la población.&#xd;
En este trabajo se ha creado una aplicación web que permite a sus usuarios publicar,&#xd;
entrenar y usar sus propios modelos de deep learning de clasificación de imágenes de una&#xd;
manera sencilla y segura, centrándose en el ámbito de la clasificación de enfermedades&#xd;
dermatológicas. La aplicación pone a disposición de los usuarios datasets de imágenes para&#xd;
que puedan realizar el entrenamiento de sus modelos aunque no tengan el acceso a las&#xd;
propias imágenes que lo componen.&#xd;
Además, se han diseñado una serie de modelos de deep learning para su uso público en la&#xd;
aplicación. Para su diseño se ha realizado un estudio sobre la diferenciación de tumores&#xd;
malignos en la piel, atendiendo a las recomendaciones del ISIC (International Skin Imaging&#xd;
Collaboration) y a los paradigmas del aprendizaje automático.</subfield>
   </datafield>
   <datafield ind1="8" ind2=" " tag="024">
      <subfield code="a">https://hdl.handle.net/10630/25873</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Páginas web</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Piel – Enfermedades</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Imágenes, Tratamiento de las</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Informática - Trabajos Fin de Grado</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Grado en Ingeniería del Software - Trabajos Fin de Grado</subfield>
   </datafield>
   <datafield ind2="0" ind1="0" tag="245">
      <subfield code="a">Diseño y desarrollo de una aplicación web para alojar algoritmos de reconocimiento de enfermedades dermatológicas</subfield>
   </datafield>
</record>
</metadata></record></GetRecord></OAI-PMH>