Diseño y prototipado de un sistema para detección de cáncer de cuello uterino  mediante análisis de imágenes usando aprendizaje profundo

Sánchez Montero, Freddy Yuris; Villa Alcoser, Erika Jeaneth

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Mecánica y Ciencias de la Producción
→
Tesis de Mecatrónica
→
View Item

dc.contributor.advisor	Loayza Paredes, Francis, Director
dc.contributor.author	Sánchez Montero, Freddy Yuris
dc.contributor.author	Villa Alcoser, Erika Jeaneth
dc.creator	ESPOL
dc.date.accessioned	2023-10-17T17:23:26Z
dc.date.available	2023-10-17T17:23:26Z
dc.date.issued	2023
dc.identifier.citation	Sánchez 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.uri	http://www.dspace.espol.edu.ec/handle/123456789/58440
dc.description	El 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.format	application/pdf
dc.format.extent	71 páginas
dc.language.iso	spa
dc.publisher	ESPOL
dc.rights	openAccess
dc.subject	Cancer
dc.subject	Colposcopia
dc.subject	Dispositivo portátil
dc.title	Diseño y prototipado de un sistema para detección de cáncer de cuello uterino mediante análisis de imágenes usando aprendizaje profundo
dc.type	Ingeniero en Mecatrónica
dc.identifier.codigoespol	T-113720
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	INGE-2186
dc.description.abstractenglish	Cervical 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.