Repository logo

Facultad de Ingeniería

Permanent URI for this community

http://52.190.9.31//handle/123456789/799

Browse

Browsing Facultad de Ingeniería by Subject "006.3 L34"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Estudio comparativo de modelos de inteligencia artificial para la identificación de tumores en ecografías mamográficas
    (Universidad Tecnológica Centroamericana UNITEC, 2026-04-05) Kenneth Josue Lagos Motiño; Manuel Gamero
    El presente estudio ha evaluado diferentes modelos de inteligencia artificial para la clasificación de tumores en imágenes de ecografías mamarias. El objetivo general ha sido evaluar y comparar el rendimiento de diversas arquitecturas de redes neuronales convolucionales, implementando técnicas de preprocesamiento y validación para mejorar la precisión en la identificación de tumores. Se ha seleccionado una base de datos diversificada de imágenes de ecografías mamarias, asegurando una clasificación adecuada en normal, benigno y maligno. Este proceso ha incluido técnicas de preprocesamiento y aumentación de datos para mejorar la robustez del modelo de inteligencia artificial. Se ha analizado la influencia del tamaño del lote en la precisión y pérdida del modelo durante su entrenamiento, identificando que un tamaño de lote más pequeño ha proporcionado una mayor precisión y estabilidad. Además, se han comparado el rendimiento de diferentes arquitecturas de redes neuronales convolucionales, como EfficientNetV2, ResNet50 y VGG16, utilizando un conjunto de datos de prueba y métricas como la precisión, la pérdida y el tiempo de entrenamiento. EfficientNetV2 ha demostrado ser el modelo más eficiente y preciso para la clasificación de tumores mamarios. Finalmente, se ha validado el modelo de inteligencia artificial utilizando un conjunto de datos independiente, asegurando su fiabilidad y capacidad de generalización en condiciones clínicas reales. Los principales resultados han indicado que la elección del modelo EfficientNetV2 ha sido adecuada, alcanzando una precisión del 95% en la identificación de tumores. Las conclusiones han destacado el potencial del uso de inteligencia artificial en la detección temprana del cáncer de mama, sugiriendo su implementación como una herramienta de apoyo en el diagnóstico médico.