Español
Inglés
Development of a Machine Learning Model for the Classification of Medical Images in the Detection of Lung Cancer Desarrollo de un Modelo de Machine Learning para la Clasificación de Imágenes Médicas en la Detección de Cáncer de Pulmón
Article Sidebar
Main Article Content
Abstract
The research focused on designing a Machine Learning (ML) model capable of classifying medical images of lung cancer, with the purpose of supporting medical diagnosis. A deductive methodology, documentary review, a quantitative approach has been used, with a non-experimental design, a descriptive level and is based on a positivist paradigm. The instrument in which it is analyzed is through descriptive statistics. The dataset is composed of three categories: benign and malignant lung cancer, normal lungs, the total images are 1097. The first specific objective was analyzed using a documentary analysis matrix, to choose the model through the validation of the 5 experts. The results showed a training time of 12.88 seconds, the division of the data was 20% testing equals 220 images and 80% training corresponds to 877 images. Of the 220 test images, cancer was detected in 136 images and no cancer in 84. In conclusion, the Support Vector Machine (SVM) model has proven to be very effective in classifying medical images of lung cancer, overcoming related problems. with the quality and quantity of data. It is recommended to perform a thorough validation with additional data and prepare a detailed report in 1 to 3 months to ensure the robustness of the model before implementation
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Arias, F. (2016). Proyecto de Investigación. Introducción a la metodología de la científica. Caracas: Episteme.
Cortes, A. (2019). Una nueva tecnología pretende transformar el cáncer de pulmón en una enfermedad crónica. Ediciones EL PAÍS https://elpais.com/elpais/2019/11/08/ciencia/1573214337_571170.html S.L.
Ecancer (2023). Desarrollan una herramienta de inteligencia artificial para predecir el riesgo de cáncer de pulmón. Recuperado el 27 de abril de 2024 de https://ecancer.org/es/news/22569-desarrollan-una-herramienta-de-inteligencia artificial-para-predecir-el-riesgo-de-cancer-de-pulmon
Fos Guarinos, B. (2016). Diseño de técnicas de inteligencia artificial aplicadas a imágenes médicas de rayos X para la detección de estructuras anatómicas de los pulmones y sus alteraciones (Doctoral dissertation, Universitat Politècnica de València).
Guerrero, M. (2022). Modelo basado en deep learning para el diagnóstico de tuberculosis pulmonar utilizando radiografías de tórax y perfiles clínicos.
Hernández, S. R., & Mendoza, C. P. (2018). Metodología de la investigación. Las rutas cuantitativas, cualitativas y mixta. México: Mc Graw Hill Education.
Julca Villarreal, B. F. (2020). Aplicación de Deep Learning sobre imágenes topográficas para mejorar la precisión del diagnóstico de queratocono en una clínica de Lima.
Leivi, A. E. (2019). Análisis de la implementación de Machine Learning en el diagnóstico por imágenes.
Lopez Tumbaco, O. P., & Terranova Pihuave, J. B. (2023) Técnicas de machine learning basadas en aprendizaje supervisado para la predicción de Enfermedades respiratorias y/o pulmonares ocasionadas y derivadas por el Covid19 (Bachelor's thesis, Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.).
Prieto González, L. S. (2022). Análisis de modelos de difusión por imágenes de resonancia magnética nuclear con machine learning (Doctoral dissertation, Universidad Nacional de Colombia).
Russell, S. J., & Norvig, P. (2016). Artificial intelligence: A modern approach (4th ed.). Pearson Education.
Roche (2024). IA para el cáncer de pulmón. Recuperado el 27 de abril de 2024 de https://www.rocheplus.es/innovacion/inteligencia-artificial/ia-para-cancer pulmon.html
Rivas Plata Casas, C. G. (2023). Clasificación de cáncer de pulmón en imágenes de tomografías mediante procesamiento de imágenes y aprendizaje automático.
Salvat Navarro, A. (2023). Aplicaciones del Machine Learning en el diagnóstico del cáncer de pulmón (Bachelor's thesis, Universitat Politècnica de Catalunya).
Tuarez Vega, R. J., & Vera Pizanan, R. N. (2022). Desarrollo de software biomédico mediante modelos deep learning para la detección de tumores pulmonares en la aplicación de procesamiento de imágenes espectrales para el departamento médico de la Universidad Técnica de Cotopaxi Extensión La Maná (Bachelor's thesis, Ecuador: La Mana: Universidad Técnica de Cotopaxi (UTC)).
Toquero Barón, M. (2021). Clasificación de imágenes médicas de Rayos-X mediante redes neuronales convolucionales.
Valdés, S. A., Intriago, C. A. H., & Felipe, M. D. R. C. (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.
Vargas, M., Biggs, D., Larraín, T., Alvear, A., Pedemonte, J. C., & de Anestesiología, R. (2022). Inteligencia artificial en medicina: Métodos de modelamiento (Parte I). Revista Chilena de Anestesia, 51(5), 527-534.