Deep reinforcement learning for efficient nucleus cell location in digital pap smears / Carlos Julio Macancela Bojorque ; tutor Manuel Eugenio Morocho Cayamcela.
Tipo de material: TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2023Descripción: 91 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2023 Resumen: En agosto de 2020, la Asamblea Mundial de la Salud (con siglas en inglés WHA) definió tres objetivos mundiales principales para eliminar el cáncer de cuello uterino. Con suerte, será posible eliminar el cáncer de cuello uterino para 2030 siguiendo estos objetivos. Uno de esos objetivos es ``el 70\% de cobertura de cribado". Este objetivo requería profesionales experimentados para completar el análisis de las imágenes digitales de Papanicolaou. Los patólogos llevan a cabo el análisis de las imágenes, lo que lleva alrededor de 30 minutos por prueba. La falta de patólogos especialistas retrasa las metas propuestas por la WHA. Esta tesis se enfoca en utilizar un agente de aprendizaje por refuerzo profundo que aprende por sí mismo, mediante recompensas, penalizaciones y experiencias pasadas, para avanzar hacia el núcleo celular en imágenes digitales, siguiendo un camino óptimo. En principio, el resultado de la tesis será crear un agente cuya entrada sean píxeles en bruto y su salida sean coordenadas del núcleo. Para futuros trabajos, esta información será utilizada por otros agentes especializados o redes neuronales para detectar células desviadas o con anomalías. La idea final es construir una máquina de análisis de Papanicolaou automática de alta eficiencia.Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
---|---|---|---|---|---|---|---|---|
Tesis | Biblioteca Yachay Tech | ECMC0124 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000549 |
Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2023
Incluye referencias bibliográficas (páginas 61-67)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
En agosto de 2020, la Asamblea Mundial de la Salud (con siglas en inglés WHA) definió tres objetivos mundiales principales para eliminar el cáncer de cuello uterino. Con suerte, será posible eliminar el cáncer de cuello uterino para 2030 siguiendo estos objetivos. Uno de esos objetivos es ``el 70\% de cobertura de cribado". Este objetivo requería profesionales experimentados para completar el análisis de las imágenes digitales de Papanicolaou. Los patólogos llevan a cabo el análisis de las imágenes, lo que lleva alrededor de 30 minutos por prueba. La falta de patólogos especialistas retrasa las metas propuestas por la WHA. Esta tesis se enfoca en utilizar un agente de aprendizaje por refuerzo profundo que aprende por sí mismo, mediante recompensas, penalizaciones y experiencias pasadas, para avanzar hacia el núcleo celular en imágenes digitales, siguiendo un camino óptimo. En principio, el resultado de la tesis será crear un agente cuya entrada sean píxeles en bruto y su salida sean coordenadas del núcleo. Para futuros trabajos, esta información será utilizada por otros agentes especializados o redes neuronales para detectar células desviadas o con anomalías. La idea final es construir una máquina de análisis de Papanicolaou automática de alta eficiencia.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.