Please use this identifier to cite or link to this item: http://www.dspace.espol.edu.ec/handle/123456789/58440
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorLoayza Paredes, Francis, Director-
dc.contributor.authorSánchez Montero, Freddy Yuris-
dc.contributor.authorVilla Alcoser, Erika Jeaneth-
dc.creatorESPOL-
dc.date.accessioned2023-10-17T17:23:26Z-
dc.date.available2023-10-17T17:23:26Z-
dc.date.issued2023-
dc.identifier.citationSánchez Montero, F. Y. y Villa Alcoser, E. J. (2023). Diseño y prototipado de un sistema para detección de cáncer de cuello uterino mediante análisis de imágenes usando aprendizaje profundo. [Tesis]. ESPOL. FIMCP. ING.MECATRONICA .-
dc.identifier.urihttp://www.dspace.espol.edu.ec/handle/123456789/58440-
dc.descriptionEl cáncer de cuello uterino (CCU), es la segunda causa de muerte en mujeres, en 2018, se registró 570,000 casos de CCU de las cuales 311,000 fallecieron. La herramienta usada para diagnosticar preliminarmente el CCU es el colposcopio. Este dispositivo es costoso, de gran tamaño y proporciona imágenes para que los ginecólogos emitan diagnósticos en base a su experiencia. Un estudio desarrollado en base a un metaanálisis encontró que de 3,142 procedimientos de colposcopia la precisión de diagnóstico de los ginecólogos fue de sólo 39.78%. Por lo tanto, este trabajo propone diseñar y construir un colposcopio portátil que mediante inteligencia artificial brinde soporte al ginecólogo para emitir diagnósticos más precisos. Este prototipo consistió en piezas impresas en 3D con dos tipos de filamento PLA y TPU. Para la parte electrónica se utilizó el microcontrolador esp32 cam capaz de obtener imágenes y videos de buena resolución, haciendo uso de protocolos de comunicación MQTT y WIFI, que permite el envío de datos de forma inalámbrica a la aplicación web donde se puede visualizar el resultado. Para precisar el diagnóstico, se implementó una arquitectura GC ViT que combina redes neuronales convolucionales y transformes, la cual fue entrenada con un datasproporcionado por la OMS se logró obtener una precisión del 98.59% que permite detectar de forma confiable enfermedades como cáncer, virus papiloma humano positivo, virus papiloma humano negativo y casos normales. Este dispositivo portátil y de bajo costo puede ser de gran utilidad para brindar soporte a los ginecólogos con la emisión de un diagnóstico mucho más preciso en los procesos de colposcopia.-
dc.formatapplication/pdf-
dc.format.extent71 páginas-
dc.language.isospa-
dc.publisherESPOL-
dc.rightsopenAccess-
dc.subjectCancer-
dc.subjectColposcopia-
dc.subjectDispositivo portátil-
dc.titleDiseño y prototipado de un sistema para detección de cáncer de cuello uterino mediante análisis de imágenes usando aprendizaje profundo-
dc.typeIngeniero en Mecatrónica-
dc.identifier.codigoespolT-113720-
dc.description.cityGuayaquil-
dc.description.degreeEscuela Superior Politécnica del Litoral-
dc.identifier.codigoproyectointegradorINGE-2186-
dc.description.abstractenglishCervical cancer (CCU) is the second cause of death in women. In 2018, 570,000 cases of CCU were recorded, of which 311,000 died. The tool used to preliminarily diagnose CCU is the colposcope. This device is expensive, large in size, and provides images for gynecologists to make diagnoses based on their experience. A study developed based on a meta-analysis found that of 3,142 colposcopy procedures, the diagnostic accuracy of gynecologists was only 39.78%. Therefore, this work proposes to design and build a portable colposcope that, through artificial intelligence, provides support to the gynecologist to issue more precise diagnoses. This prototype consisted of 3D printed parts with two types of PLA and TPU filament. For the electronic part, the esp32 cam microcontroller was used, capable of obtaining good resolution images and videos, using MQTT and WIFI communication protocols, which allows data to be sent wirelessly to the web application where the result can be viewed. To specify the diagnosis, a GC ViT architecture was implemented that combines convolutional neural networks and transforms, which was trained with data provided by the WHO, achieving an accuracy of 98.59% that allows for the reliable detection of diseases such as cancer, human papillomavirus. positive, human papillomavirus negative and normal cases. This portable and low-cost device can be very useful in providing support to gynecologists with the issuance of a much more precise diagnosis in colposcopy processes.-
Appears in Collections:Tesis de Mecatrónica

Files in This Item:
File SizeFormat 
T-113720 SÃ NCHEZ FREDDY-VILLA ERIKA.pdf3.69 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.