Resumen

Actualmente, cerca de dos millones de pacientes mueren de enfermedades gastrointestinales en todo el mundo. La endoscopia de video es una de las últimas tecnologías en el campo de la imagen médica para el diagnóstico de enfermedades gastrointestinales, como úlceras estomacales, sangrado y pólipos. La endoscopia de video médica genera muchas imágenes, por lo que los médicos necesitan un tiempo considerable para dar seguimiento a todas las imágenes. Esto crea un desafío para el diagnóstico manual y ha fomentado investigaciones sobre técnicas asistidas por computadora para diagnosticar todas las imágenes generadas en un corto período y con alta precisión. La novedad de la metodología propuesta radica en el desarrollo de un sistema para el diagnóstico de enfermedades gastrointestinales. Este artículo presenta tres redes, GoogleNet, ResNet-50 y AlexNet, que se basan en el aprendizaje profundo y las evalúa por su potencial en el diagnóstico de un conjunto de datos de enfermedades gastrointestinales inferiores. Todas las imágenes se mejoran y

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Enfermedades gastrointestinales; Endoscopia en video; Imágenes médicas; Aprendizaje profundo; Red neuronal convolucional; Conjunto de datos
• Keywords:Gastrointestinal diseases; Video endoscopy; Medical imaging; Deep learning; Convolutional neural network; Dataset