1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería Industrial
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14247
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorBaldeón, María Gbriela, dir.-
dc.contributor.authorArguello Herrera, Juan Ignacio-
dc.contributor.authorJácome Mejía, Sebastián-
dc.contributor.authorGonzález Custode, Isabela-
dc.date.accessioned2025-04-29T20:42:26Z-
dc.date.available2025-04-29T20:42:26Z-
dc.date.issued2024-12-11-
dc.identifier.citationTesis (Ingeniero Industrial), Universidad San Francisco de Quito, Colegio de Ciencias e Ingeniería; Quito, Ecuador, 2024es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/14247-
dc.descriptionHead and neck tumors can be challenging to detect and treat, especially considering that early detection is crucial for the patient’s outcome. This paper presents an approach using a U-Net Convolutional Neural Network to detect head and neck tumors. This study was made using the HNTSMRG 2024 Challenge dataset. Furthermore, Bayesian Optimization was applied to optimize the hyperparameters of learning rate and batch size, resulting in a significant improvement in the model’s metrics: Intersection Over Union and Dice Similarity Coefficient. The proposed U-Net achieved an IoU of 0.23 and 0.35 for classes 1 and 2, respectively...es_ES
dc.description.abstractLos tumores de cabeza y cuello pueden ser difíciles de detectar y tratar, especialmente si se tiene en cuenta que la detección temprana es crucial para el resultado del paciente. En esta investigación, se presenta un enfoque que utiliza una red neuronal convolucional U-Net para detectar tumores de cabeza y cuello. Este estudio se realizó utilizando el conjunto de datos HNTSMRG 2024 Challenge. Además, se aplicó la optimización bayesiana para optimizar los hiperparámetros de la tasa de aprendizaje y el tamaño del lote, lo que resultó en una mejora significativa en las métricas del modelo: intersección sobre unión y coeficiente de similitud de dados...es_ES
dc.format.extent30 h.es_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectRedes neuronales artificialeses_ES
dc.subjectImágenes diagnósticas - Técnicas digitales - Tesis y disertaciones académicases_ES
dc.subject.otherIngenieríaes_ES
dc.subject.otherIngenieríaes_ES
dc.titleMedical Image Segmentation for the Detection of Neck and Head Tumorses_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería Industrial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
214586-320503-320492.pdfTexto completo1.1 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons