Show simple item record

dc.contributor.advisorFlores Velasquez, Edelfrees_PE
dc.contributor.authorLaureano Yupanqui, Cristhian Wilssones_PE
dc.date.accessioned2022-02-07T21:50:21Z
dc.date.available2022-02-07T21:50:21Z
dc.date.issued2022-02-09
dc.identifier.urihttp://repositorio.unap.edu.pe/handle/20.500.14082/17931
dc.description.abstractEste proyecto de investigación de tesis abordó el tema de la detección y clasificación del cáncer de seno a través de uso de un modelo de Machine Learning (ML); debido a los incrementos de los casos de cáncer de mama en los últimos años en el Perú, es necesario contemplar la búsqueda de nuevas alternativas tecnológicas para el apoyo en las tomas de decisiones. El objetivo planteado para esta investigación fue el desarrollo de un modelo de ML que utilice un clasificador de Máquinas de Soporte Vectorial (SVM) el cual clasifique el cáncer de seno por medio del uso de imágenes mamográficas. Se planteó el uso de una metodología con un enfoque de tipo cuantitativo con el diseño de investigación de tipo exploratorio y cuasi experimental. Para el desarrollo del proyecto de investigación se utilizó los dataset MiniMIAS, DDSM, BCDR e imágenes del Hospital Regional “Manuel Núñez Butron” Puno, se consideró las etapas de preprocesamiento, extracción de características y clasificación para el entrenamiento del modelo de ML. Para el clasificador SVM se seleccionó el kernel de función de base radial (RBF) con los parámetros de C=100 y γ=2^(-9). Los resultados obtenidos a la propuesta del modelo de ML, se consiguió un 90% de exactitud (accuracy) y las métricas de precisión, sensibilidad y f1 es desarrollada por cada clase respectivamente, para benigno (88.6%, 83.8%, 86.1%), maligno (83.9%, 96.3%, 89.7%) y la clase normal (94.3%, 89.2%, 91.7%); para las pruebas del modelo entrenado a través del uso de otros dataset se obtuvieron que DDSM resulto con un 89%, BCDR obtuvo un 84% y HRMNB un 83%. Las conclusiones obtenidas para el proyecto de investigación se afirma que la propuesta del modelo de ML logró realizar la detección y clasificación del cáncer de mama de manera satisfactoria con un grado de exactitud aceptable.es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional del Altiplano. Repositorio Institucional - UNAPes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/deed.eses_PE
dc.sourceUniversidad Nacional del Altiplanoes_PE
dc.sourceRepositorio Institucional - UNAPes_PE
dc.subjectAprendizaje automáticoes_PE
dc.subjectCáncer de senoes_PE
dc.subjectClasificaciónes_PE
dc.subjectSVMes_PE
dc.titleModelo de Machine Learning usando un clasificador de máquinas de soporte vectorial para la detección y clasificación del cáncer de seno usando imágenes mamográficases_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero de Sistemases_PE
thesis.degree.disciplineIngeniería de Sistemases_PE
thesis.degree.grantorUniversidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemases_PE
thesis.degree.levelTítulo Profesionales_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04es_PE
renati.advisor.orcidhttps://orcid.org/0000-0001-6234-9345es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
renati.discipline612076es_PE
renati.jurorArcaya Coaquira, William Eusebioes_PE
renati.jurorRuelas Acero, Donia Alizandraes_PE
renati.jurorHuayta Flores, Lenines_PE
renati.author.dni70104505
renati.advisor.dni01308859


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess