Pérez Díaz, MarlenLópez Cabrera, José DanielCamellón Quintero, Pedro Pablo2022-01-242022-01-242021-12-25https://dspace.uclv.edu.cu/handle/123456789/13221El cáncer de pulmón es el causante del mayor número de muertes por cáncer en el mundo. La radiografía de tórax es el método más extendido para la identificación de los nódu los pulmonares, sin embargo, estas son difíciles de interpretar debido a su bajo contraste y al conjunto de estructuras anatómicas que se superponen. Los sistemas de detección asistidos por ordenador incrementan la efectividad de los diagnósticos y reducen la carga laboral de los especialistas. En el presente trabajo se propone un sistema de este tipo basado en inteligencia artificial para la detección de nódulos pulmonares a partir de radiografías de tórax. El mismo emplea redes neuronales de convolución. Para la detección de nódulos se utilizó la red SqueezeNet con tres estrategias de entrenamiento (imagen completa, segmentación de pulmón y regiones de interés). Se aplicaron técnicas de transferencia de aprendizaje y aumento de datos. Se crearon conjuntos de imágenes a partir de tres bases de datos internacionales. Se entrenó y validó la red, y para el mejor modelo obtenido se realizó una prueba externa a partir de una cuarta base de datos. El mejor modelo se obtuvo con SqueezeNet e imágenes consistentes en pequeños parches. Este alcanzó una exactitud balanceada de 93 %, aún sin poder de generalización.esEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas.Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: CreativeCommons: Atribución-No Comercial-Compartir Igual 4.0 LicenseRadiografía de TóraxNódulo PulmonarIteligencia ArtificialAprendizaje Profundo.Thesis