Show simple item record

Professor Advisordc.contributor.advisorNavarro Clavería, Carlos
Authordc.contributor.authorMuñoz Rojas, Diego Ignacio
Associate professordc.contributor.otherOrchard Concha, Marcos
Associate professordc.contributor.otherRivera Serrano, Francisco
Admission datedc.date.accessioned2023-12-14T18:25:36Z
Available datedc.date.available2023-12-14T18:25:36Z
Publication datedc.date.issued2023
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/196732
Abstractdc.description.abstractLa presente memoria tiene como objetivo mejorar la precisión en la clasificación de imágenes de biopsias mediante el uso de redes neuronales de tipo Transformer en comparación con las redes convolucionales, para contribuir a mejorar el nivel de eficacia en el diagnóstico de cáncer gástrico. La motivación detrás de este proyecto radica en la capacidad de las redes neuronales de tipo Transformer para capturar relaciones contextuales complejas, lo que podría agilizar y mejorar el proceso de detección automática de características de interés en las biopsias. Un diagnóstico temprano y preciso del cáncer gástrico es fundamental para iniciar el tratamiento de manera oportuna, lo que puede mejorar significativamente las tasas de supervivencia y la calidad de vida de los pacientes. El objetivo general del trabajo es aplicar y evaluar un modelo de redes neuronales de tipo Transformer en el proceso de detección automatizada de la sobre-expresión de la proteína HER2 en imágenes de biopsias de cáncer gástrico, con el fin de contribuir a un mayor nivel de eficacia en el diagnóstico de cáncer gástrico. La metodología utilizada consistió en la separación de las biopsias en conjuntos de entrenamiento y prueba, así como el procesamiento de los datos para adaptarlos a la red neuronal. Se emplearon técnicas para aumentar la cantidad de datos, como la rotación y el reflexión de imágenes, para mejorar la diversidad y la cantidad de datos de entrenamiento. Se utilizó Python como lenguaje de programación y la librería PyTorch para implementar y entrenar las redes neuronales. Para evaluar el rendimiento del modelo, se midió su capacidad para detectar la sobre-expresión de la proteína HER2 mediante la obtención de métricas de evaluación y la construcción de una matriz de confusión basada en las etiquetas y clasificaciones del modelo. Además, se realizó un análisis comparativo de los resultados obtenidos en este trabajo con estudios previos en el mismo campo de investigación, considerando aspectos como la precisión y la recuperación. Finalmente, se ha comprobado que el Transformer presenta un mejor desempeño en comparación con la red convolucional (CNN) de referencia. El modelo desarrollado logra superar en 3% el valor de exactitud de la CNN y, además, muestra un mejor f1-score en la clasificación de todas las clases.es_ES
Patrocinadordc.description.sponsorshipFONDECYT 1221696 y FONDEQUIP EQM210020. Esta investigación fue apoyada por el supercomputador Patagón de la Universidad Austral de Chile (FONDEQUIP EQM180042)es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Keywordsdc.subjectRedes neuronales (Ciencia de la computación)
Keywordsdc.subjectNeoplasias gástricas
Keywordsdc.subjectBiopsia
Keywordsdc.subjectHealth informatics
Títulodc.titleRedes neuronales del tipo transformer como herramienta de clasificación de sobreexpresión de proteína HER2 en imágenes de biopsias de cáncer gástricoes_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Eléctricaes_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.carrerauchile.carreraIngeniería Civil Eléctricaes_ES
uchile.gradoacademicouchile.gradoacademicoLicenciadoes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniero Civil Eléctricoes_ES


Files in this item

Icon
Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States