Desarrollo de la Interfaz de un Sistema Web para la Detección Asistida por Computadora Orientado al Diagnóstico de Cáncer de Mama
Resumen
El presente artículo tiene como objetivo exponer el funcionamiento de la interfaz de un sistema de Detección Asistida por Computadora (CAD), que brinda apoyo a los radiólogos en la interpretación de los estudios de cáncer de mama mediante el uso de mastografías digitales, además de incluir el almacenamiento y la gestión de archivos en un servidor web, estableciendo una comunicación mediante la Interfaz de Programación de Aplicaciones (API). En este proceso, las mastografías son transferidas al servidor, donde se someten a un procesamiento avanzado y se implementa un modelo de visión artificial, que ejecuta una detección automática de hallazgos asociados al cáncer de mama. Para acceder al sistema web se ha establecido un solo tipo de usuario, quien podrá utilizar todas las funciones implementadas, las cuales van desde subir, visualizar, actualizar y eliminar archivos, junto con la información relacionada, para ello se requiere una autenticación de inicio de sesión, con el fin de dar seguridad a la información de las pacientes.
Descargas
Citas
Aguirre, S. (2022). Crea tu API (Vol. 202). RedUSERS.
ÁLVAREZ G., D. A., GUEVARA G., M. L., & HOLGUÍN L., G. A. (2006). PREPROCESAMIENTO DE IMÁGENES APLICADAS A MAMOGRAFÍAS DIGITALES. Scientia Et Technica, 12(31), 1-6.
Barreto, H. P., Tiro, J. S., & Armas, G. L. (2021). SEGMENTACIÓN Y CARACTERIZACIÓN DE MASAS EN MAMOGRAFÍAS DIGITALES DE CAMPO COMPLETO.
Bhateja, V., Misra, M., & Urooj, S. ( 2020). Non-Linear Filters for Mammogram Enhancement: A Robust Computer-aided Analysis Framework for Early Detection of Breast Cancer. Singapore: Springer.
Camacho Piedra, C., & Espíndola Zarazúa, V. (2018). Actualización de la nomenclatura BI-RADS por mastografía y ultrasonido. Anales de Radiología México.
Dallan, B., Martin, O., Edward, J., & Martin, G. (2009). A Comparison of Data-Independent Microwave Beamforming Algorithms for the Early Detection of Breast Cancer. IEEE.
Douglas A, W., John, L., & Magda, E.-S. (2007). Interpreting Artificial Neural Networks for Microwave Detection of Breast Cancer. IEEE, 17(12).
García Santillán, l. D., & Caranqui Sánchez, V. M. (2015). LA VISIÓN ARTIFICIAL Y LOS CAMPOS DE APLICACIÓN. Tulcán - Ecuador.
Mirjalili, V., & Raschka, S. (2020). Python machine learning. Marcombo.
Nuve Alarcón, D. H., Hernández Pérez, K. F., Vélez Díaz, G., & Trejo García, C. A. (2022). Capacidad del Autocuidado para la prevención y detección temprana del cáncer de mama en mujeres de 18-24 años en Progreso de Obregón. Xikua, 10(20), 13-17.
Organization World Health. (2023). Global Breast Cancer Initiative Implementation Framework: assessing, strengthening and scaling-up. Geneva: Organization World Health.
Pham, V. V., & Dang, T. (2023). Hands-On Computer Vision with Detectron2: Develop object detection and segmentation models with a code and visualization approach. Packt Publishing.
Sobrado Malpartida, E. A. (2003). SISTEMA DE VISIÓN ARTIFICIAL PARA EL RECONOCIMIENTO Y MANIPULACIÓN DE OBJETOS UTILIZANDO UN BRAZO ROBOT. Peru.
Tailwind CSS. (2023). Retrieved from https://tailwindcss.com/docs/installation
Wendy, W. (2018). Cáncer de mama Guía práctica. Madrid: SEOM.
Wu, Y., Kirillov, A., Massa, F., Lo, W.-Y., & Girshick, R. (2019). Detectron2. Retrieved from https://github.com/facebookresearch/detectron2
Gómez López , M. F. (2023). Desarrollo Creativo del Juego Morlapolys para Promover el Patrimonio Cultural de Cuenca, Ecuador. Estudios Y Perspectivas Revista Científica Y Académica , 3(1), 19–36. https://doi.org/10.61384/r.c.a.v3i1.15
Da Silva Santos , F., & López Vargas , R. (2020). Efecto del Estrés en la Función Inmune en Pacientes con Enfermedades Autoinmunes: una Revisión de Estudios Latinoamericanos. Revista Científica De Salud Y Desarrollo Humano, 1(1), 46–59. https://doi.org/10.61368/r.s.d.h.v1i1.9
Román Fuentes, J. C., Román Julián, R., & Franco Gurría , R. T. (2022). Competencias sociocognitivas en la educación superior desde la percepción de los estudiantes. Emergentes - Revista Científica, 2(1), 71–95. https://doi.org/10.37811/erc.v1i2.14
Hidalgo Guillén, N. (2022). Resistencia para el Retorno a las Clases Presenciales. Sapiencia Revista Científica Y Académica , 2(2), 92–109. Recuperado a partir de https://revistasapiencia.org/index.php/Sapiencia/article/view/24
European Commission. (2023). Ethical Guidelines on the Use of Artificial Intelligence (AI) and Data in Teaching and Learning for Educators. Available online: https://op.europa.eu/en/publication-detail/-/publication/d81a0d54-5348-11ed-92ed-01aa75ed71a1/language-en (accessed on 18 November 2023)
Derechos de autor 2024 Carlos Andrés García Valente , Miriam Martínez Arroyo, José Luis Hernández Hernández, Eduardo De la Cruz Gámez
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
.png)
.png)
1.png)
