Repository logo
 

Estudio comparativo de modelos de inteligencia artificial para la identificación de tumores en ecografías mamográficas

Simple item page
dc.campusUnitec San Pedro Sula
dc.catalogadorGenesis Adriana Gutiérrez
dc.collectionTrabajo de Investigación
dc.contributor.advisorManuel Gamero
dc.contributor.authorKenneth Josue Lagos Motiño
dc.coverageSan Pedro Sula, Cortés, Honduras
dc.date.accessioned2026-04-13T21:22:18Z
dc.date.available2026-04-13T21:22:18Z
dc.date.issued2026-04-05
dc.description.abstractEl 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.
dc.description.abstractThe present study has evaluated different artificial intelligence models for the detection of tumors in breast ultrasound images. The general objective has been to evaluate and compare the performance of various convolutional neural network architectures, implementing preprocessing and validation techniques to improve the accuracy in tumor identification. A diversified database of breast ultrasound images has been selected, ensuring an adequate classification into normal, benign and malignant. This process has included preprocessing and data augmentation techniques to improve the robustness of the artificial intelligence model. The influence of the batch size on the precision and loss of the model during its training has been analyzed, identifying that a smaller batch size has provided greater precision and stability. Furthermore, the performance of different convolutional neural network architectures, such as EfficientNetV2, ResNet50 and VGG16, have been compared using a test data set and metrics such as accuracy, loss and training time. EfficientNetV2 has proven to be the most efficient and accurate model for breast tumor classification. Finally, the artificial intelligence model has been validated using an independent data set, ensuring its reliability and generalization capacity in real clinical conditions. The main results have indicated that the choice of the EfficientNetV2 model has been appropriate, reaching an accuracy of 95% in tumor identification. The conclusions have highlighted the potential of the use of artificial intelligence in the early detection of breast cancer, suggesting its implementation as a support tool in medical diagnosis.
dc.disciplineIngeniería y TI/ Engineering & IT
dc.facultyFacultad de Ingeniería
dc.finalwork.creationdate01/06/2024
dc.formatPDF
dc.identifier.urihttps://repositorio.unitec.edu//handle/123456789/14262
dc.language.isoes
dc.publisherUniversidad Tecnológica Centroamericana UNITEC
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International.
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0
dc.sourceUniversidad Tecnológica Centroamericana UNITEC
dc.subjectClasificación
dc.subjectEcografía mamaria
dc.subjectInteligencia artificial
dc.subjectpreProcesamiento imágenes
dc.subjectRedes neuronales
dc.subjectTumores
dc.subject.ddc006.3 L34
dc.thesis.degreelevelGrado
dc.thesis.degreenameIngeniería en Biomédica / I-10
dc.titleEstudio comparativo de modelos de inteligencia artificial para la identificación de tumores en ecografías mamográficas
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Estudio comparativo de modelos de inteligencia artificial para la identificación de tumores en ecografías mamográficas.pdf
Size:
2.84 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Trabajo de Investigación