| dc.contributor | Forero Vargas, Manuel Guillermo | |
| dc.contributor | Castro Casadiego, Sergio Alexander | |
| dc.creator | Niño Rondón, Carlos Vicente | |
| dc.date | 2024-06-08T20:52:44Z | |
| dc.date | 2024-06-08T20:52:44Z | |
| dc.date | 2024 | |
| dc.date.accessioned | 2026-10-15T17:12:01Z | |
| dc.date.available | 2026-10-15T17:12:01Z | |
| dc.identifier | https://vitela.javerianacali.edu.co/handle/11522/2077 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12032/189435 | |
| dc.description | El cáncer de piel, que representa aproximadamente el 10% de los casos de cáncer a nivel mundial, se enfrenta a desafíos significativos en términos de diagnóstico preciso. Los expertos en la materia han señalado que tres de cada cuatro herramientas de diagnóstico asistido para el cáncer de piel clasifican incorrectamente alrededor del 30% de los casos de melanoma. Estas herramientas, caracterizadas por su alto costo computacional, inciden directamente en los gastos de implementación, afectando así el acceso a los servicios de salud. En el presente trabajo se presentan un sistema de diagnóstico de cáncer de piel diseñado específicamente para dispositivos de bajo consumo. Se inicia con el análisis del conjunto de datos HAM10000, seguido por el desarrollo de un modelo de aprendizaje profundo destinado a la clasificación de esta enfermedad. Posteriormente, se planteó la creación de una herramienta de diagnóstico asistido, adaptada para su uso en dispositivos de bajo consumo. La evaluación de su rendimiento a nivel hardware y software completa el proceso. | |
| dc.format | 74 p. | |
| dc.format | application/pdf | |
| dc.format | application/pdf | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Pontificia Universidad Javeriana Cali | |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.rights | http://purl.org/coar/access_right/c_abf2 | |
| dc.subject | Cáncer de piel | |
| dc.subject | Diagnóstico asistido | |
| dc.subject | Visión computacional | |
| dc.subject | Microprocesadores | |
| dc.subject | Análisis de datos | |
| dc.title | Sistema de detección de cáncer de piel con aprendizaje de máquina para dispositivo de bajo consumo | |
| dc.type | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type | Tesis/Trabajo de grado - Monografía - Maestría | |
| dc.type | https://purl.org/redcol/resource_type/TM | |
