Show simple item record

dc.contributor.authorRiera Iziga, Marcos
dc.contributor.authorSotelo HernÁndez, Waldir
dc.contributor.authorCampos Vasquez, Neicer
dc.date.accessioned2021-12-17T03:07:59Z
dc.date.accessioned2022-02-22T12:19:35Z
dc.date.available2021-12-17T03:07:59Z
dc.date.available2022-02-22T12:19:35Z
dc.date.issued2021-12
dc.identifier.isbn978-958-52071-9-6
dc.identifier.issn2414-6390
dc.identifier.otherhttp://laccei.org/LEIRD2021-VirtualEdition/meta/FP33.html
dc.identifier.urihttp://dx.doi.org/10.18687/LEIRD2021.1.1.33
dc.identifier.urihttp://axces.info/handle/10.18687/20210102_33
dc.description.abstractEn la Actualidad no es fácil la interpretación de imágenes de mamografía y brindar un diagnóstico medico por un profesional de salud, Es que a pesar de la experiencia del profesional no se detecta al 100 % las anomalías ó tumores de manera rápida. Puesto a que no es fácil de interpretar. objetivo principal fue realizar un clasificador de imágenes y aplicar una neurona convolucional. posteriormente de un entrenamiento riguroso de la neurona brindar un diagnóstico eficiente, se muestra que mediante el aumento de entrenamiento el resultado es más eficiente y se disminuye el factor de error. Solo en la segunda prueba de llego 64.3% la efectividad. En la investigación no se presentaron imágenes incompatibles con la red neuronal por lo que no se perdió atributos si se realizaron ajustes de parámetros. Por lo que es demostrable que el sistema tiene gran alcance practico debido a que los recursos usados son de fácil alcance.en_US
dc.language.isoEnglishen_US
dc.publisherLACCEI Inc.en_US
dc.rightsLACCEI License
dc.rights.urihttps://laccei.org/blog/copyright-laccei-papers/
dc.subjectdeep learningen_US
dc.subjectmamografíaen_US
dc.subjectclasificación de imágenesen_US
dc.subjectdiagnosticoen_US
dc.titleClasificación de Imágenes Médicas para la Detección del Cáncer de mama mediante Redes Neuronales
dc.typeArticleen_US
dc.description.countryPeruen
dc.description.institutionUNIVERSIDAD PRIVADA DEL NORTEen
dc.description.trackUniversity-Industry technology transfer and knowledge exchangeen
dc.journal.referatopeerReview


Files in this item

Thumbnail

This item appears in the following Collection(s)

  • 2021 LEIRD Conference
    LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development

Show simple item record