APLICACIONES IA

Introducción a los Sistemas Cyberfisicos

Nayro Pazmiño, nfpazmino@espe.edu.ec
Viernes, 06 de agosto de 2021
NRC: 4837
Prototipo de sistema de información para la detección de carcinomas mamarios,
basado en técnicas de inteligencia artificial
Según los datos del Observatorio Global de Cáncer, el cáncer de mama es la principal causa
de muerte por cáncer en las mujeres. (International for Research on Cancer, 2018). Este
trabajo basó su investigación en el afán por la búsqueda de una solución a este problema, y
se propuso el desarrollo de un prototipo de sistema de información, basado en técnicas de
inteligencia artificial, que permitiera optimizar la labor del cuerpo médico para detectar casos
de cáncer y mitigar el riesgo de muerte y otros problemas que presentaban los pacientes. El
desarrollo de la interfaz gráfica se realizó con Flutter Web y luego de ciertas pruebas, se
definió que la opción conveniente para el sistema era la implementación de la arquitectura
VGG16. La red neuronal, fue entrenada con un conjunto de imágenes diagnósticas
mamográficas disponibles en la web, con el fin de adoptar un modelo, capaz de clasificar
mamografías en cinco categorías: normal, microcalcificación benigna, nódulo benigno,
microcalcificación y nódulo maligno. (Celis, 2020)

Detección de alzheimer por medio de imágenes médicas usando machine learning

La enfermedad de Alzheimer es una enfermedad neurodegenerativa que afecta a pacientes
de edad avanzada, haciendo que pierdan la capacidad de orientación, reconocimiento de
personas, pérdida de memoria entre otros. Una de las preocupaciones más importantes de
esta enfermedad corresponde a los tratamientos actuales, pues se llevan a cabo para tratar los
síntomas y no para detener la evolución de esta. Debido a esto es importante realizar un
diagnóstico de la enfermedad en las etapas más tempranas. Actualmente, una de las maneras
de hacer el diagnóstico de esta enfermedad se realiza por medio del análisis de imágenes
diagnósticas como resonancias magnéticas, tomografías digitales o tomografía de emisión de
positrones. Para poder llevar a cabo el proyecto se obtiene acceso a la base de datos ADNI.
De la cual se obtiene una base de datos que consta de 2300 resonancias magnéticas
clasificadas como AD (Enfermedad de Alzheimer), CN (Cognitivo normal), MCI(Deterioro
cognitivo leve). Por lo que se aborda el problema como uno de clasificación. Como primer
paso en el procedimiento llevado a cabo se realiza un preprocesamiento de todas las
resonancias magnéticas el cual consiste en: Especificación por histograma, registro lineal,
segmentación tejido cerebral, segmentación materia gris, blanca y fluido cerebro espinal. A
partir de esta segmentación se usaron tres grupos de descriptores: proporción de volúmenes
de materia, propiedades geométricas de la segmentación realizada y finalmente histogramas
conjuntos de los píxeles que hacen parte de la materia gris, blanca y fluido cerebroespinal.
Para realizar la clasificación, se decidió trabajar con SVM. Por lo que para cada descriptor
por separado se realizó una búsqueda de parámetros que permitiera realizar la clasificación
correcta sobre los datos de validación. (Morales, 2019)

Bibliografía
Celis, S. (2020). Universidad Autonoma de Bucaramanga. Obtenido de
https://repository.unab.edu.co/handle/20.500.12749/12076

Morales, S. (2019). Universidad Autonoma de Colombia. Obtenido de

http://hdl.handle.net/1992/48746