Modelo basado en técnicas de Machine Learning para la clasificación de imágenes médicas del cáncer pulmonar

Autores/as

Palabras clave:

Machine Learning, clasificar, Kanban, apoyo, diagnóstico

Resumen

Es importante destacar que este trabajo investigativo es para realizar un modelo, mediante el uso de Machine Learning (ML) que pueda clasificar imágenes de Rayos X del pulmón, según los tipos del cáncer de pulmón: benigno, maligno y también imágenes normales para el entrenamiento del modelo. Se utiliza la metodología ágil Kanban, el instrumento que se analiza lo hace a través de la estadística descriptiva, utilizando las tablas de frecuencia.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Al-Yasriy, H. (2021). The IQ-OTHNCCD lung cancer dataset. https://www.kaggle.com/datasets/hamdallak/the-iqothnccd-lung-cancer-dataset

Avellán Valdés, S., Holguín Intriago, C. A., & Cruz Felipe, M. (2022). Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo. Serie Científica De La Universidad De Las Ciencias Informáticas, 15(8), 37-50. https://publicaciones.uci.cu/index.php/serie/article/view/1096

Bernate, J. A., & Fonseca, I. P. (2023). Impacto de las Tecnologías de Información y Comunicación en la educación del siglo XXI: Revisión bibliométrica. Revista De Ciencias Sociales, 29(1), 227-242. https://doi.org/10.31876/rcs.v29i1.39748

Cortes, A. (2019). Una nueva tecnología pretende transformar el cáncer de pulmón en una enfermedad crónica. EL PAÍS. https://elpais.com/elpais/2019/11/08/ciencia/1573214337_571170.html

Ecancer. (2023). Desarrollan una herramienta de inteligencia artificial para predecir el riesgo de cáncer de pulmón. https://ecancer.org/es/news/22569-desarrollan-una-herramienta-de-inteligencia-artificial-para-predecir-

Espinoza Freire, E. E. (2018). El problema de investigación. Revista Conrado, 14(64), 22–32. https://conrado.ucf.edu.cu/index.php/conrado/article/view/808

Hernández, R., & Mendoza, C. (2018). Metodología de la investigación. Las rutas cuantitativas, cualitativas y mixta. Mc Graw Hill Education.

Martín, S., & Manjarrés, S., & Martín, S. (2019). Aspectos metodológicos de la instrumentalización de la recogida de datos primarios y sus consideraciones éticas en la investigación clínica. Enfermería en Cardiología, 26(76), 21-26. https://enfermeriaencardiologia.com/media/acfupload/627a2235b9a86_Resumen-ART-1.pdf

Rajpurkar, P., Bagul, A., Ding, D., Duan, T., Mehta, H., Yang, B., Zhu, K., Laird, D., Ball,R., Langlotz, C., Shpanskaya, K Lungren, M., & Ng, A. (2017). Mura: Large dataset for abnormality detection in musculoskeletal radiographs. https://arxiv.org/abs/1712.06957

Ramírez Arévalo, H. H., & Herrera Cubides, J. F. (2013). Un viaje a través de bases de datos espaciales NoSQL. Redes de Ingeniería, 4(2), 57–69. https://doi.org/10.14483/2248762X.5923

Rego Rodríguez, F. A., Germán Flores, L., & Vitón-Castillo, A. A. (2022). Artificial intelligence and machine learning: present and future applications in health sciences. Seminars in Medical Writing and Education, 1, 9. https://doi.org/10.56294/mw20229

Descargas

Publicado

2025-05-01

Cómo citar

De la Rosa-Martín, T., & Brito-Vallina, M. L. (2025). Modelo basado en técnicas de Machine Learning para la clasificación de imágenes médicas del cáncer pulmonar. Revista UGC, 3(2), 230–237. Recuperado a partir de https://universidadugc.edu.mx/ojs/index.php/rugc/article/view/146

Número

Vol. 3 Núm. 2 (2025): Crecimiento económico y desarrollo social sostenible (Mayo-agosto)

Sección

Artículos

Licencia

Derechos de autor 2025 Tonysé De la Rosa-Martín, María Lucía Brito-Vallina

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Los autores que publican en la Revista UGC están de acuerdo con los siguientes términos:

1. Derechos de Autor

Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.

© Los autores.

2. Licencia

Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es

Esta licencia permite:

  • Compartir: copiar y redistribuir el material en cualquier medio o formato.
  • Adaptar: remezclar, transformar y crear a partir del material.

Bajo los siguientes términos:

  • Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
  • NoComercial: no puede utilizar el material para finalidades comerciales.
  • CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.

No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.