Revista	48	230	72	240	590	780	1
EIA	74	230	85	240	590	780	1
ISSN	48	241	63	251	590	780	1
1794-1237	65	241	100	251	590	780	1
e-ISSN	48	252	70	262	590	780	1
2463-0950	72	252	107	262	590	780	1
Año	48	263	62	273	590	780	1
XVIII/	64	263	81	273	590	780	1
Volumen	83	263	113	273	590	780	1
18/	115	263	125	273	590	780	1
Edición	127	263	152	273	590	780	1
N.35	153	263	169	273	590	780	1
Enero-Junio	48	274	88	284	590	780	1
de	90	274	98	284	590	780	1
2021	100	274	117	284	590	780	1
Reia35008	48	285	83	295	590	780	1
pp.	85	285	95	295	590	780	1
1-12	97	285	112	295	590	780	1
Clasificación	192	139	308	166	590	780	1
de	312	139	335	166	590	780	1
cáncer	339	139	400	166	590	780	1
cervical	405	139	477	166	590	780	1
usando	192	164	259	191	590	780	1
redes	263	164	315	191	590	780	1
neuronales	319	164	423	191	590	780	1
convolucionales,	192	189	344	216	590	780	1
transferencia	348	189	472	216	590	780	1
de	476	189	498	216	590	780	1
aprendizaje	192	214	301	240	590	780	1
y	306	214	316	240	590	780	1
aumento	321	214	402	240	590	780	1
de	407	214	429	240	590	780	1
datos	434	214	484	240	590	780	1
Mario	383	256	416	271	590	780	1
Alejandro	417	256	473	271	590	780	1
Bravo	474	256	507	271	590	780	1
Ortíz	508	256	538	271	590	780	1
1	537	257	541	265	590	780	1
Harold	364	275	405	290	590	780	1
Brayan	406	275	445	290	590	780	1
Arteaga	446	275	491	290	590	780	1
Arteaga	493	275	538	290	590	780	1
1	537	276	541	284	590	780	1
Reinel	431	294	466	308	590	780	1
Tabares	468	294	511	308	590	780	1
Soto	512	294	538	308	590	780	1
1	537	294	541	303	590	780	1
Publicación	48	307	87	317	590	780	1
científica	89	307	119	317	590	780	1
semestral	120	307	152	317	590	780	1
Universidad	48	318	88	328	590	780	1
EIA,	90	318	102	328	590	780	1
Envigado,	104	318	137	328	590	780	1
Colombia	138	318	171	328	590	780	1
Jorge	396	312	425	327	590	780	1
Iván	427	312	450	327	590	780	1
Padilla	451	312	491	327	590	780	1
Buriticá	492	312	538	327	590	780	1
1	537	313	541	322	590	780	1
Simón	434	331	466	346	590	780	1
Orozco-Arias	467	331	538	346	590	780	1
1	537	332	541	341	590	780	1
P	48	348	55	362	590	780	1
ara	55	351	70	361	590	780	1
citar	72	351	92	361	590	780	1
este	94	351	111	361	590	780	1
artículo	113	351	148	361	590	780	1
/	150	348	154	362	590	780	1
T	48	359	54	373	590	780	1
o	54	362	60	372	590	780	1
reference	62	362	102	372	590	780	1
this	104	362	120	372	590	780	1
article	122	362	151	372	590	780	1
/	155	359	159	373	590	780	1
Bravo	48	373	67	383	590	780	1
Ortíz,	69	373	87	383	590	780	1
M.A.;	89	373	105	383	590	780	1
Arteaga	107	373	133	383	590	780	1
Arteaga,	135	373	163	383	590	780	1
H.B.;	48	384	63	394	590	780	1
Tabares	64	384	90	394	590	780	1
Soto,	91	384	108	394	590	780	1
R.;	110	384	117	394	590	780	1
Padilla	119	384	141	394	590	780	1
Buriticá,	48	395	75	405	590	780	1
J.I.;	77	395	87	405	590	780	1
Orozco-Arias,	88	395	133	405	590	780	1
S.	134	395	140	405	590	780	1
(2021).	48	406	71	416	590	780	1
Clasificación	73	406	114	416	590	780	1
de	116	406	124	416	590	780	1
cáncer	126	406	148	416	590	780	1
cervical	48	417	74	427	590	780	1
usando	76	417	100	427	590	780	1
redes	102	417	120	427	590	780	1
neuronales	122	417	159	427	590	780	1
convolucionales,	48	428	104	438	590	780	1
transferencia	106	428	149	438	590	780	1
de	151	428	159	438	590	780	1
aprendizaje	48	439	87	449	590	780	1
y	89	439	93	449	590	780	1
aumento	95	439	125	449	590	780	1
de	127	439	135	449	590	780	1
datos	137	439	155	449	590	780	1
Revista	48	450	72	460	590	780	1
EIA,	74	450	86	460	590	780	1
18(35),	88	450	111	460	590	780	1
Reia35008.	112	450	149	460	590	780	1
pp.	48	461	59	471	590	780	1
1-12.	61	461	77	471	590	780	1
https://doi.org/10.24050/reia.	48	472	147	482	590	780	1
v18i35.1462	48	483	89	493	590	780	1
Autor	64	516	82	526	590	780	1
de	84	516	92	526	590	780	1
correspondencia:	93	516	148	526	590	780	1
Tabares	48	533	74	543	590	780	1
Soto,	76	533	92	543	590	780	1
R.	94	533	100	543	590	780	1
(Reinel):	102	533	129	543	590	780	1
Docente	48	543	77	552	590	780	1
e	78	543	82	552	590	780	1
investigador	84	543	126	552	590	780	1
de	127	543	136	552	590	780	1
la	138	543	143	552	590	780	1
Universidad	48	552	88	562	590	780	1
Autonóma	90	552	125	562	590	780	1
de	127	552	136	562	590	780	1
Manizales	137	552	170	562	590	780	1
Correo	48	562	71	571	590	780	1
electrónico:	73	562	112	571	590	780	1
rtabares@autonoma.edu.co	48	571	139	581	590	780	1
Recibido:	48	600	82	610	590	780	1
14-08-2020	85	600	123	610	590	780	1
Aceptado:	48	610	85	619	590	780	1
28-12-2020	86	610	124	619	590	780	1
Disponible	48	619	87	629	590	780	1
online:	89	619	114	629	590	780	1
06-01-2021	115	619	153	629	590	780	1
1.	192	358	199	369	590	780	1
Universidad	201	358	248	369	590	780	1
Autónoma	250	358	291	369	590	780	1
de	293	358	303	369	590	780	1
Manizales	305	358	344	369	590	780	1
Palabras	192	578	227	590	590	780	1
Claves:	229	578	256	590	590	780	1
aumento	258	579	291	590	590	780	1
de	293	579	302	590	590	780	1
datos,	304	579	326	590	590	780	1
cáncer	328	579	352	590	590	780	1
cervical,	354	579	385	590	590	780	1
redes	387	579	407	590	590	780	1
neuronales	409	579	451	590	590	780	1
convolucionales,	452	579	514	590	590	780	1
trans-	515	579	538	590	590	780	1
ferencia	192	592	222	603	590	780	1
de	223	592	233	603	590	780	1
aprendizaje.	234	592	280	603	590	780	1
Clasificación	66	40	113	51	590	780	2
de	114	40	124	51	590	780	2
cáncer	126	40	151	51	590	780	2
cervical	152	40	182	51	590	780	2
usando	183	40	211	51	590	780	2
redes	213	40	234	51	590	780	2
neuronales	235	40	278	51	590	780	2
convolucionales,	279	40	341	51	590	780	2
transferencia	343	40	393	51	590	780	2
de	395	40	404	51	590	780	2
aprendizaje	406	40	450	51	590	780	2
y	452	40	456	51	590	780	2
aumento	458	40	492	51	590	780	2
de	493	40	503	51	590	780	2
datos	505	40	525	51	590	780	2
Cervical	186	68	260	95	590	780	2
cancer	264	68	326	95	590	780	2
classification	330	68	451	95	590	780	2
using	455	68	505	95	590	780	2
convolutional	186	93	311	119	590	780	2
neural	316	93	376	119	590	780	2
networks,	380	93	472	119	590	780	2
transfer	186	117	260	144	590	780	2
learning	265	117	342	144	590	780	2
and	347	117	381	144	590	780	2
data	386	117	426	144	590	780	2
augmentation	186	141	314	168	590	780	2
Key	186	324	200	336	590	780	2
Words:	202	324	231	336	590	780	2
data	233	325	249	336	590	780	2
augmentation,	251	325	307	336	590	780	2
cervical	309	325	339	336	590	780	2
cancer,	341	325	367	336	590	780	2
convolutional	369	325	421	336	590	780	2
neural	423	325	448	336	590	780	2
networks,	450	325	488	336	590	780	2
transfer	490	325	521	336	590	780	2
learning.	186	337	219	348	590	780	2
I.	186	367	193	383	590	780	2
Introducción	203	367	275	383	590	780	2
El	186	401	194	412	590	780	2
cáncer	196	401	223	412	590	780	2
cervical	226	401	258	412	590	780	2
es	260	401	269	412	590	780	2
la	271	401	278	412	590	780	2
cuarta	281	401	307	412	590	780	2
enfermedad	309	401	359	412	590	780	2
con	361	401	376	412	590	780	2
más	378	401	395	412	590	780	2
muertes	397	401	432	412	590	780	2
a	434	401	438	412	590	780	2
nivel	441	401	461	412	590	780	2
mundial	463	401	497	412	590	780	2
[1]	499	401	511	412	590	780	2
generando	186	413	230	425	590	780	2
528.000	232	413	266	425	590	780	2
casos	268	413	291	425	590	780	2
al	293	413	300	425	590	780	2
año,	303	413	320	425	590	780	2
según	322	413	346	425	590	780	2
se	349	413	357	425	590	780	2
reportó	360	413	391	425	590	780	2
en	393	413	403	425	590	780	2
el	405	413	413	425	590	780	2
2018	415	413	436	425	590	780	2
[2],	439	413	453	425	590	780	2
de	455	413	465	425	590	780	2
los	467	413	479	425	590	780	2
cuales	481	413	507	425	590	780	2
32.000	509	413	538	425	590	780	2
son	186	425	200	437	590	780	2
en	203	425	213	437	590	780	2
América	215	425	249	437	590	780	2
latina[3].	252	425	289	437	590	780	2
En	291	425	302	437	590	780	2
la	304	425	312	437	590	780	2
actualidad,	314	425	359	437	590	780	2
Este	361	425	379	437	590	780	2
problema	381	425	421	437	590	780	2
se	423	425	432	437	590	780	2
enfrenta	434	425	469	437	590	780	2
mediante	471	425	510	437	590	780	2
intervenciones	186	437	247	449	590	780	2
quirúrgicas,	249	437	298	449	590	780	2
vacunas	301	437	334	449	590	780	2
como	336	437	359	449	590	780	2
la	361	437	368	449	590	780	2
del	370	437	383	449	590	780	2
virus	385	437	406	449	590	780	2
del	409	437	421	449	590	780	2
papiloma	423	437	462	449	590	780	2
humano(VPH)	464	437	524	449	590	780	2
y	526	437	531	449	590	780	2
un	186	449	196	461	590	780	2
chequeo	199	449	233	461	590	780	2
frecuente	236	449	275	461	590	780	2
mediante	277	449	316	461	590	780	2
citologías[4],	318	449	372	461	590	780	2
pero	374	449	393	461	590	780	2
pese	395	449	414	461	590	780	2
a	416	449	421	461	590	780	2
estos	423	449	445	461	590	780	2
esfuerzos	447	449	486	461	590	780	2
la	489	449	496	461	590	780	2
tasa	498	449	515	461	590	780	2
de	517	449	527	461	590	780	2
mortalidad	186	461	232	473	590	780	2
sigue	234	461	256	473	590	780	2
siendo	258	461	285	473	590	780	2
muy	287	461	306	473	590	780	2
alta,	308	461	325	473	590	780	2
debido	327	461	356	473	590	780	2
a	358	461	363	473	590	780	2
que	365	461	380	473	590	780	2
la	382	461	390	473	590	780	2
identificación	392	461	448	473	590	780	2
y	450	461	455	473	590	780	2
clasificación	457	461	508	473	590	780	2
del	510	461	523	473	590	780	2
cáncer	186	474	213	486	590	780	2
está	215	474	232	486	590	780	2
dada	234	474	255	486	590	780	2
por	257	474	271	486	590	780	2
la	273	474	281	486	590	780	2
experticia	283	474	324	486	590	780	2
de	326	474	336	486	590	780	2
ginecólogos	338	474	387	486	590	780	2
que	389	474	405	486	590	780	2
normalmente	407	474	463	486	590	780	2
se	465	474	474	486	590	780	2
encuentran	476	474	524	486	590	780	2
en	526	474	536	486	590	780	2
las	186	486	197	498	590	780	2
grandes	199	486	232	498	590	780	2
ciudades	235	486	271	498	590	780	2
generando	273	486	318	498	590	780	2
baja	320	486	337	498	590	780	2
cobertura	339	486	380	498	590	780	2
a	382	486	387	498	590	780	2
nivel	389	486	409	498	590	780	2
nacional	411	486	446	498	590	780	2
en	448	486	458	498	590	780	2
los	460	486	472	498	590	780	2
países	475	486	500	498	590	780	2
en	503	486	513	498	590	780	2
vía	515	486	527	498	590	780	2
de	186	498	196	510	590	780	2
desarrollo[5].	198	498	255	510	590	780	2
Por	257	498	271	510	590	780	2
lo	273	498	281	510	590	780	2
tanto,	283	498	307	510	590	780	2
se	309	498	318	510	590	780	2
busca	320	498	344	510	590	780	2
demostrar	346	498	390	510	590	780	2
que	392	498	407	510	590	780	2
las	409	498	421	510	590	780	2
redes	423	498	446	510	590	780	2
neuronales	448	498	494	510	590	780	2
convolu-	496	498	532	510	590	780	2
cionales	186	510	219	522	590	780	2
(CNN	222	510	244	522	590	780	2
por	246	510	261	522	590	780	2
sus	263	510	277	522	590	780	2
siglas	279	510	302	522	590	780	2
en	304	510	314	522	590	780	2
inglés)	316	510	344	522	590	780	2
y	346	510	351	522	590	780	2
la	353	510	361	522	590	780	2
transferencia	363	510	418	522	590	780	2
de	420	510	430	522	590	780	2
aprendizaje	432	510	481	522	590	780	2
(TL	483	510	497	522	590	780	2
por	500	510	514	522	590	780	2
sus	516	510	530	522	590	780	2
siglas	186	522	209	534	590	780	2
en	211	522	221	534	590	780	2
inglés),	223	522	253	534	590	780	2
son	255	522	270	534	590	780	2
una	272	522	288	534	590	780	2
buena	290	522	315	534	590	780	2
alternativa	318	522	362	534	590	780	2
de	364	522	374	534	590	780	2
clasificación	377	522	427	534	590	780	2
para	429	522	448	534	590	780	2
esta	450	522	467	534	590	780	2
patología.	469	522	510	534	590	780	2
Las	512	522	526	534	590	780	2
redes	186	535	209	546	590	780	2
neuronales	211	535	257	546	590	780	2
profundas	259	535	301	546	590	780	2
han	304	535	319	546	590	780	2
sido	321	535	339	546	590	780	2
muy	341	535	359	546	590	780	2
utilizadas	361	535	401	546	590	780	2
en	403	535	413	546	590	780	2
esta	415	535	432	546	590	780	2
problemática,	435	535	491	546	590	780	2
Akshaya	494	535	528	546	590	780	2
y	186	547	191	559	590	780	2
otros[2],	193	547	228	559	590	780	2
tienen	231	547	257	559	590	780	2
como	259	547	282	559	590	780	2
objetivo	284	547	317	559	590	780	2
crear	319	547	341	559	590	780	2
una	343	547	359	559	590	780	2
herramienta	361	547	412	559	590	780	2
computacional	414	547	476	559	590	780	2
que	478	547	493	559	590	780	2
clasifique	495	547	535	559	590	780	2
el	186	559	193	571	590	780	2
cáncer	195	559	223	571	590	780	2
cervical	225	559	257	571	590	780	2
en	259	559	269	571	590	780	2
leve	271	559	288	571	590	780	2
y	290	559	295	571	590	780	2
agresivo.	297	559	334	571	590	780	2
Ellos	336	559	356	571	590	780	2
proponen	358	559	399	571	590	780	2
una	401	559	416	571	590	780	2
CNN	419	559	437	571	590	780	2
para	439	559	458	571	590	780	2
clasificación	460	559	511	571	590	780	2
de	513	559	523	571	590	780	2
imágenes	186	571	225	583	590	780	2
colposcópicas	227	571	285	583	590	780	2
y	287	571	292	583	590	780	2
obtienen	294	571	330	583	590	780	2
precisiones	333	571	380	583	590	780	2
entre	382	571	404	583	590	780	2
el	406	571	414	583	590	780	2
92	416	571	426	583	590	780	2
-	429	571	432	583	590	780	2
96%	434	571	453	583	590	780	2
sobre	455	571	479	583	590	780	2
el	481	571	488	583	590	780	2
conjunto	490	571	527	583	590	780	2
de	529	571	539	583	590	780	2
imágenes	186	583	225	595	590	780	2
de	227	583	237	595	590	780	2
validación.	239	583	284	595	590	780	2
El	286	583	294	595	590	780	2
problema	296	583	336	595	590	780	2
principal	338	583	376	595	590	780	2
de	378	583	388	595	590	780	2
esta	390	583	407	595	590	780	2
investigación	409	583	463	595	590	780	2
es	466	583	474	595	590	780	2
el	477	583	484	595	590	780	2
número	486	583	519	595	590	780	2
de	521	583	531	595	590	780	2
imágenes,	186	595	227	607	590	780	2
cuentan	229	595	262	607	590	780	2
con	264	595	279	607	590	780	2
100	281	595	298	607	590	780	2
imágenes	300	595	339	607	590	780	2
por	341	595	356	607	590	780	2
cada	358	595	377	607	590	780	2
nivel	379	595	399	607	590	780	2
de	401	595	411	607	590	780	2
cáncer	413	595	441	607	590	780	2
cervical.	443	595	477	607	590	780	2
Kaur	479	595	500	607	590	780	2
y	502	595	507	607	590	780	2
otros	509	595	530	607	590	780	2
[5],	186	608	200	620	590	780	2
proponen	202	608	242	620	590	780	2
la	245	608	252	620	590	780	2
detección	254	608	294	620	590	780	2
de	296	608	306	620	590	780	2
los	308	608	320	620	590	780	2
tres	322	608	338	620	590	780	2
tipos	341	608	361	620	590	780	2
de	363	608	374	620	590	780	2
cáncer	376	608	403	620	590	780	2
cervical	405	608	438	620	590	780	2
por	440	608	454	620	590	780	2
medio	456	608	482	620	590	780	2
de	485	608	495	620	590	780	2
TL	497	608	508	620	590	780	2
con	510	608	525	620	590	780	2
las	527	608	538	620	590	780	2
CNNs	186	620	209	632	590	780	2
(VGG16/19),	211	620	264	632	590	780	2
ver	266	620	279	632	590	780	2
sección	281	620	312	632	590	780	2
II.	314	620	323	632	590	780	2
La	325	620	335	632	590	780	2
base	337	620	356	632	590	780	2
de	358	620	368	632	590	780	2
datos	370	620	393	632	590	780	2
que	395	620	410	632	590	780	2
ellos	412	620	432	632	590	780	2
utilizan	434	620	465	632	590	780	2
se	467	620	476	632	590	780	2
encuentra	478	620	520	632	590	780	2
en	522	620	532	632	590	780	2
[6].	186	632	200	644	590	780	2
El	202	632	210	644	590	780	2
problema	212	632	252	644	590	780	2
para	254	632	273	644	590	780	2
Kaur	275	632	295	644	590	780	2
y	297	632	302	644	590	780	2
otros	305	632	326	644	590	780	2
es	328	632	337	644	590	780	2
la	339	632	347	644	590	780	2
similitud	349	632	386	644	590	780	2
entre	388	632	410	644	590	780	2
el	412	632	419	644	590	780	2
cáncer	422	632	449	644	590	780	2
cervical	451	632	483	644	590	780	2
tipo	486	632	502	644	590	780	2
1	504	632	510	644	590	780	2
y	512	632	517	644	590	780	2
tipo	519	632	535	644	590	780	2
2	186	644	191	656	590	780	2
con	193	644	208	656	590	780	2
lo	210	644	218	656	590	780	2
cual	220	644	237	656	590	780	2
obtienen	239	644	276	656	590	780	2
precisión	278	644	316	656	590	780	2
solo	319	644	336	656	590	780	2
del	338	644	351	656	590	780	2
63%	353	644	372	656	590	780	2
sobre	374	644	397	656	590	780	2
el	400	644	407	656	590	780	2
conjunto	409	644	446	656	590	780	2
de	448	644	458	656	590	780	2
validación.	460	644	504	656	590	780	2
Estas	507	644	528	656	590	780	2
dos	186	656	200	668	590	780	2
investigaciones	203	656	266	668	590	780	2
brindan	268	656	301	668	590	780	2
el	303	656	310	668	590	780	2
punto	313	656	337	668	590	780	2
de	339	656	349	668	590	780	2
partida	352	656	382	668	590	780	2
y	384	656	389	668	590	780	2
el	391	656	398	668	590	780	2
objetivo	400	656	434	668	590	780	2
de	436	656	446	668	590	780	2
esta	448	656	465	668	590	780	2
investigación.	467	656	524	668	590	780	2
Ba-	526	656	540	668	590	780	2
sados	186	669	209	680	590	780	2
en	211	669	222	680	590	780	2
el	224	669	231	680	590	780	2
trabajo	233	669	263	680	590	780	2
de	265	669	275	680	590	780	2
Akshaya	277	669	312	680	590	780	2
y	314	669	319	680	590	780	2
otros[2],	321	669	357	680	590	780	2
se	359	669	368	680	590	780	2
decidió	370	669	400	680	590	780	2
separar	402	669	434	680	590	780	2
la	436	669	443	680	590	780	2
base	446	669	465	680	590	780	2
de	467	669	477	680	590	780	2
datos	479	669	502	680	590	780	2
obtenida	504	669	540	680	590	780	2
de	186	681	196	693	590	780	2
[6]	198	681	210	693	590	780	2
en	212	681	222	693	590	780	2
cáncer	227	681	254	693	590	780	2
cervical	256	681	288	693	590	780	2
leve	291	681	307	693	590	780	2
y	309	681	314	693	590	780	2
agresivo.	316	681	353	693	590	780	2
El	355	681	363	693	590	780	2
objetivo	366	681	399	693	590	780	2
de	401	681	411	693	590	780	2
la	413	681	421	693	590	780	2
investigación	423	681	477	693	590	780	2
es	479	681	488	693	590	780	2
demostrar	491	681	534	693	590	780	2
que	186	693	201	705	590	780	2
las	203	693	215	705	590	780	2
CNNs,	217	693	242	705	590	780	2
TL	244	693	255	705	590	780	2
y	257	693	262	705	590	780	2
aumento	264	693	301	705	590	780	2
de	303	693	313	705	590	780	2
datos	315	693	338	705	590	780	2
son	340	693	354	705	590	780	2
una	357	693	372	705	590	780	2
buena	374	693	400	705	590	780	2
alternativa	402	693	447	705	590	780	2
para	449	693	467	705	590	780	2
la	470	693	477	705	590	780	2
clasificación	479	693	530	705	590	780	2
del	186	705	198	717	590	780	2
cáncer	201	705	228	717	590	780	2
de	230	705	240	717	590	780	2
cuello	242	705	267	717	590	780	2
uterino	269	705	300	717	590	780	2
entre	302	705	324	717	590	780	2
leve	326	705	343	717	590	780	2
y	345	705	350	717	590	780	2
agresivo	352	705	387	717	590	780	2
[5].	389	705	403	717	590	780	2
2	42	733	48	748	590	780	2
https://doi.org/10.24050/reia.v18i35.1462	400	732	539	741	590	780	2
Mario	53	40	76	51	590	780	3
Alejandro	78	40	115	51	590	780	3
Bravo	117	40	140	51	590	780	3
Ortíz,	142	40	163	51	590	780	3
Harold	165	40	191	51	590	780	3
Brayan	193	40	220	51	590	780	3
Arteaga	222	40	252	51	590	780	3
Arteaga,	254	40	286	51	590	780	3
Reinel	288	40	312	51	590	780	3
Tabares	314	40	344	51	590	780	3
Soto,	346	40	365	51	590	780	3
Jorge	367	40	387	51	590	780	3
Iván	389	40	406	51	590	780	3
Padilla	408	40	434	51	590	780	3
Buriticá,	436	40	468	51	590	780	3
Simón	470	40	494	51	590	780	3
Orozco-Arias	496	40	546	51	590	780	3
El	212	72	220	84	590	780	3
algoritmo	222	72	263	84	590	780	3
implementado	265	72	325	84	590	780	3
utiliza	327	72	353	84	590	780	3
las	355	72	367	84	590	780	3
CNNs	369	72	392	84	590	780	3
VGG16	394	72	422	84	590	780	3
[7]	424	72	436	84	590	780	3
y	438	72	443	84	590	780	3
VGG19	445	72	473	84	590	780	3
[8]	476	72	488	84	590	780	3
previamente	490	72	542	84	590	780	3
entrenadas	192	84	238	96	590	780	3
con	240	84	255	96	590	780	3
ImageNet[9]	257	84	310	96	590	780	3
permitiendo	312	84	363	96	590	780	3
disponer	365	84	402	96	590	780	3
de	405	84	415	96	590	780	3
un	417	84	428	96	590	780	3
conjunto	430	84	466	96	590	780	3
amplio	468	84	497	96	590	780	3
de	499	84	509	96	590	780	3
carac-	511	84	537	96	590	780	3
terísticas	192	96	230	108	590	780	3
que	232	96	247	108	590	780	3
mejoran	249	96	284	108	590	780	3
el	286	96	293	108	590	780	3
aprendizaje	296	96	344	108	590	780	3
de	346	96	357	108	590	780	3
nuevos	359	96	388	108	590	780	3
patrones	390	96	427	108	590	780	3
en	429	96	439	108	590	780	3
la	441	96	449	108	590	780	3
base	451	96	470	108	590	780	3
de	472	96	482	108	590	780	3
datos	484	96	507	108	590	780	3
objeti-	509	96	536	108	590	780	3
vo[6].	192	108	216	120	590	780	3
La	218	108	228	120	590	780	3
base	230	108	249	120	590	780	3
de	251	108	261	120	590	780	3
datos	263	108	286	120	590	780	3
fue	288	108	301	120	590	780	3
pre-procesada	303	108	363	120	590	780	3
utilizando	365	108	407	120	590	780	3
una	409	108	424	120	590	780	3
segmentación	427	108	484	120	590	780	3
semiautomá-	486	108	540	120	590	780	3
tica,	192	120	209	132	590	780	3
aumento	211	120	248	132	590	780	3
de	250	120	260	132	590	780	3
datos	262	120	285	132	590	780	3
y	287	120	292	132	590	780	3
etiquetada	294	120	338	132	590	780	3
con	340	120	355	132	590	780	3
el	357	120	364	132	590	780	3
tipo	367	120	383	132	590	780	3
de	385	120	395	132	590	780	3
cáncer	397	120	425	132	590	780	3
(leve-agresivo).	427	120	491	132	590	780	3
Para	493	120	512	132	590	780	3
el	514	120	521	132	590	780	3
TL	523	120	534	132	590	780	3
se	192	133	201	144	590	780	3
utilizó	203	133	229	144	590	780	3
las	231	133	243	144	590	780	3
capas	245	133	268	144	590	780	3
convolucionales	270	133	337	144	590	780	3
de	339	133	349	144	590	780	3
las	351	133	363	144	590	780	3
CNNs	365	133	387	144	590	780	3
(VGG16/19)	390	133	441	144	590	780	3
para	443	133	462	144	590	780	3
re-entrenar	464	133	512	144	590	780	3
la	514	133	521	144	590	780	3
red	523	133	537	144	590	780	3
y	192	145	197	157	590	780	3
permitir	199	145	234	157	590	780	3
que	236	145	251	157	590	780	3
se	253	145	262	157	590	780	3
adapte	264	145	293	157	590	780	3
a	295	145	299	157	590	780	3
la	302	145	309	157	590	780	3
clasificación	311	145	362	157	590	780	3
del	364	145	377	157	590	780	3
tipo	379	145	395	157	590	780	3
de	397	145	408	157	590	780	3
cáncer.	410	145	438	157	590	780	3
Los	440	145	455	157	590	780	3
resultados	457	145	500	157	590	780	3
obtenidos	503	145	544	157	590	780	3
en	192	157	202	169	590	780	3
la	204	157	211	169	590	780	3
investigación	214	157	268	169	590	780	3
muestran	270	157	310	169	590	780	3
precisiones	312	157	359	169	590	780	3
hasta	361	157	384	169	590	780	3
del	386	157	399	169	590	780	3
97,35%	401	157	433	169	590	780	3
sobre	435	157	458	169	590	780	3
los	460	157	472	169	590	780	3
datos	474	157	497	169	590	780	3
de	499	157	509	169	590	780	3
valida-	511	157	539	169	590	780	3
ción.	192	169	211	181	590	780	3
El	213	169	222	181	590	780	3
artículo	224	169	256	181	590	780	3
está	258	169	275	181	590	780	3
compuesto	277	169	323	181	590	780	3
por	325	169	339	181	590	780	3
las	341	169	353	181	590	780	3
siguientes	355	169	397	181	590	780	3
secciones:	399	169	441	181	590	780	3
Sección	444	169	475	181	590	780	3
I	477	169	480	181	590	780	3
introducción.	482	169	537	181	590	780	3
Sección	192	181	223	193	590	780	3
II	225	181	232	193	590	780	3
materiales	234	181	277	193	590	780	3
y	280	181	284	193	590	780	3
métodos,	287	181	324	193	590	780	3
se	327	181	335	193	590	780	3
define	338	181	364	193	590	780	3
la	366	181	373	193	590	780	3
metodología	375	181	427	193	590	780	3
y	429	181	434	193	590	780	3
los	436	181	448	193	590	780	3
materiales.	450	181	496	193	590	780	3
Sección	498	181	529	193	590	780	3
III	531	181	541	193	590	780	3
Resultados	192	193	237	205	590	780	3
y	239	193	244	205	590	780	3
discusión,	246	193	288	205	590	780	3
Se	290	193	299	205	590	780	3
describe	302	193	337	205	590	780	3
la	339	193	346	205	590	780	3
investigación	348	193	403	205	590	780	3
desarrollada	405	193	457	205	590	780	3
y	459	193	464	205	590	780	3
resultados	466	193	510	205	590	780	3
obteni-	512	193	542	205	590	780	3
dos.	192	205	209	217	590	780	3
Sección	211	205	242	217	590	780	3
IV	244	205	253	217	590	780	3
Conclusiones.	255	205	312	217	590	780	3
II.	192	248	203	264	590	780	3
Materiales	208	248	267	264	590	780	3
y	269	248	276	264	590	780	3
métodos	278	248	326	264	590	780	3
El	192	281	200	293	590	780	3
presente	202	281	238	293	590	780	3
estudio	241	281	271	293	590	780	3
está	273	281	290	293	590	780	3
basado	292	281	322	293	590	780	3
en	324	281	334	293	590	780	3
TL	336	281	347	293	590	780	3
en	349	281	360	293	590	780	3
el	362	281	369	293	590	780	3
cual	371	281	388	293	590	780	3
se	390	281	399	293	590	780	3
utilizaron	401	281	442	293	590	780	3
las	444	281	455	293	590	780	3
CNNs	457	281	480	293	590	780	3
VGG16[7]	482	281	523	293	590	780	3
y	525	281	530	293	590	780	3
la	532	281	539	293	590	780	3
VGG19[8]	192	293	232	305	590	780	3
que	234	293	250	305	590	780	3
fueron	252	293	279	305	590	780	3
construidas	281	293	330	305	590	780	3
para	332	293	351	305	590	780	3
clasificar	353	293	390	305	590	780	3
1.000	392	293	416	305	590	780	3
diferentes	418	293	460	305	590	780	3
categorías	462	293	504	305	590	780	3
de	506	293	517	305	590	780	3
imá-	519	293	537	305	590	780	3
genes.	192	305	218	317	590	780	3
Con	220	305	236	317	590	780	3
el	238	305	245	317	590	780	3
fin	247	305	258	317	590	780	3
de	261	305	271	317	590	780	3
lograr	273	305	298	317	590	780	3
el	300	305	308	317	590	780	3
objetivo	310	305	343	317	590	780	3
propuesto	345	305	388	317	590	780	3
en	390	305	400	317	590	780	3
esta	402	305	419	317	590	780	3
investigación,	421	305	478	317	590	780	3
se	480	305	489	317	590	780	3
desarrolló	491	305	533	317	590	780	3
la	535	305	543	317	590	780	3
siguiente	192	317	230	329	590	780	3
metodología:	232	317	286	329	590	780	3
Paso	212	334	233	347	590	780	3
1:	235	334	243	347	590	780	3
Revisión	245	335	281	347	590	780	3
bibliográfica,	283	335	337	347	590	780	3
el	339	335	346	347	590	780	3
objetivo	348	335	382	347	590	780	3
de	384	335	394	347	590	780	3
esta	396	335	413	347	590	780	3
revisión	415	335	449	347	590	780	3
fue	451	335	464	347	590	780	3
encontrar	466	335	507	347	590	780	3
una	509	335	524	347	590	780	3
base	527	335	546	347	590	780	3
de	192	347	202	359	590	780	3
datos	204	347	227	359	590	780	3
[6]	229	347	241	359	590	780	3
(ver	243	347	260	359	590	780	3
sección	262	347	293	359	590	780	3
II	295	347	302	359	590	780	3
base	304	347	323	359	590	780	3
de	325	347	335	359	590	780	3
datos)	337	347	363	359	590	780	3
que	365	347	381	359	590	780	3
estuviera	383	347	421	359	590	780	3
compuesta	423	347	469	359	590	780	3
de	471	347	481	359	590	780	3
imágenes	483	347	522	359	590	780	3
del	524	347	537	359	590	780	3
cáncer	192	359	219	371	590	780	3
cervical	221	359	254	371	590	780	3
debidamente	256	359	310	371	590	780	3
etiquetadas,	312	359	363	371	590	780	3
además	365	359	397	371	590	780	3
de	399	359	409	371	590	780	3
revisar	411	359	440	371	590	780	3
los	442	359	454	371	590	780	3
últimos	456	359	488	371	590	780	3
experimentos	490	359	547	371	590	780	3
y/o	192	371	207	383	590	780	3
avances	209	371	241	383	590	780	3
realizados	243	371	286	383	590	780	3
para	288	371	307	383	590	780	3
la	309	371	316	383	590	780	3
detección	318	371	358	383	590	780	3
del	360	371	373	383	590	780	3
cáncer	375	371	403	383	590	780	3
cervical[10][11][12].	405	371	492	383	590	780	3
Paso	212	388	233	401	590	780	3
2:	235	388	243	401	590	780	3
Segmentación	245	389	303	401	590	780	3
del	306	389	318	401	590	780	3
área	320	389	338	401	590	780	3
afectada[13],	341	389	395	401	590	780	3
con	397	389	412	401	590	780	3
el	414	389	421	401	590	780	3
fin	423	389	434	401	590	780	3
de	437	389	447	401	590	780	3
trabajar	449	389	482	401	590	780	3
con	484	389	499	401	590	780	3
una	501	389	517	401	590	780	3
base	519	389	538	401	590	780	3
de	192	401	202	413	590	780	3
datos	204	401	227	413	590	780	3
óptima,	229	401	260	413	590	780	3
que	262	401	278	413	590	780	3
permita	280	401	313	413	590	780	3
un	315	401	326	413	590	780	3
mejor	328	401	352	413	590	780	3
aprendizaje	354	401	403	413	590	780	3
por	405	401	420	413	590	780	3
la	422	401	429	413	590	780	3
CNN,	431	401	452	413	590	780	3
se	454	401	463	413	590	780	3
realizó	465	401	493	413	590	780	3
un	495	401	506	413	590	780	3
proceso	508	401	541	413	590	780	3
de	192	413	202	425	590	780	3
segmentación	204	413	262	425	590	780	3
semiautomático,	264	413	332	425	590	780	3
el	334	413	341	425	590	780	3
cual	344	413	361	425	590	780	3
inicialmente	363	413	414	425	590	780	3
hacia	416	413	438	425	590	780	3
una	440	413	456	425	590	780	3
selección	458	413	496	425	590	780	3
automática	498	413	544	425	590	780	3
de	192	425	202	437	590	780	3
la	204	425	211	437	590	780	3
sección	214	425	244	437	590	780	3
que	246	425	262	437	590	780	3
tiene	264	425	285	437	590	780	3
el	287	425	294	437	590	780	3
cáncer.	296	425	325	437	590	780	3
Luego	327	425	352	437	590	780	3
se	354	425	363	437	590	780	3
llevó	365	425	385	437	590	780	3
a	387	425	392	437	590	780	3
cabo	394	425	414	437	590	780	3
una	416	425	431	437	590	780	3
revisión	433	425	467	437	590	780	3
detallada	469	425	507	437	590	780	3
de	509	425	520	437	590	780	3
todas	522	425	544	437	590	780	3
las	192	437	203	449	590	780	3
imágenes	205	437	245	449	590	780	3
generadas	247	437	289	449	590	780	3
para	292	437	310	449	590	780	3
así	312	437	324	449	590	780	3
hacerles	326	437	361	449	590	780	3
los	363	437	375	449	590	780	3
ajustes	377	437	406	449	590	780	3
finales	408	437	435	449	590	780	3
y/o	438	437	452	449	590	780	3
selección	454	437	493	449	590	780	3
y	495	437	500	449	590	780	3
preproce-	502	437	542	449	590	780	3
samiento	192	449	230	461	590	780	3
manual.	232	449	265	461	590	780	3
Paso	212	466	233	479	590	780	3
3:	235	466	243	479	590	780	3
Separación	245	467	291	479	590	780	3
de	293	467	303	479	590	780	3
los	305	467	317	479	590	780	3
datos	320	467	342	479	590	780	3
de	344	467	354	479	590	780	3
entrenamiento	357	467	418	479	590	780	3
y	420	467	425	479	590	780	3
los	427	467	439	479	590	780	3
datos	441	467	464	479	590	780	3
de	466	467	476	479	590	780	3
validación.	478	467	523	479	590	780	3
Paso	212	484	233	497	590	780	3
4:	235	484	243	497	590	780	3
Aumento	245	485	283	497	590	780	3
de	285	485	295	497	590	780	3
datos[14][15],	297	485	357	497	590	780	3
después	359	485	393	497	590	780	3
de	395	485	406	497	590	780	3
realizar	408	485	439	497	590	780	3
una	442	485	457	497	590	780	3
evaluación	459	485	504	497	590	780	3
de	506	485	516	497	590	780	3
la	518	485	525	497	590	780	3
lite-	527	485	544	497	590	780	3
ratura	192	497	218	509	590	780	3
y	220	497	225	509	590	780	3
la	227	497	234	509	590	780	3
base	236	497	255	509	590	780	3
de	257	497	267	509	590	780	3
datos,	270	497	294	509	590	780	3
con	296	497	311	509	590	780	3
la	313	497	321	509	590	780	3
separación	323	497	368	509	590	780	3
del	370	497	383	509	590	780	3
cáncer	385	497	412	509	590	780	3
cervical	415	497	447	509	590	780	3
(Tipo	449	497	472	509	590	780	3
1	474	497	479	509	590	780	3
y	481	497	486	509	590	780	3
Tipo	488	497	507	509	590	780	3
2)	509	497	519	509	590	780	3
como	521	497	543	509	590	780	3
leve	192	509	209	521	590	780	3
y	211	509	216	521	590	780	3
(Tipo	218	509	240	521	590	780	3
3)	242	509	252	521	590	780	3
como	254	509	276	521	590	780	3
agresivo	278	509	313	521	590	780	3
ver	315	509	329	521	590	780	3
Fig.	331	509	346	521	590	780	3
1.	348	509	355	521	590	780	3
El	357	509	365	521	590	780	3
número	368	509	400	521	590	780	3
de	402	509	412	521	590	780	3
imágenes	414	509	454	521	590	780	3
para	456	509	475	521	590	780	3
realizar	477	509	509	521	590	780	3
el	511	509	518	521	590	780	3
mode-	520	509	547	521	590	780	3
lo	192	521	200	533	590	780	3
en	202	521	212	533	590	780	3
leve	214	521	231	533	590	780	3
es	233	521	242	533	590	780	3
el	244	521	251	533	590	780	3
doble	253	521	277	533	590	780	3
del	279	521	291	533	590	780	3
fuerte,	294	521	321	533	590	780	3
para	323	521	341	533	590	780	3
resolver	344	521	377	533	590	780	3
este	379	521	396	533	590	780	3
desbalance	398	521	445	533	590	780	3
se	447	521	456	533	590	780	3
realiza	458	521	486	533	590	780	3
un	488	521	498	533	590	780	3
aumento	501	521	537	533	590	780	3
de	192	533	202	545	590	780	3
datos	204	533	227	545	590	780	3
con	229	533	244	545	590	780	3
rotaciones	246	533	289	545	590	780	3
aleatorias(máximo	291	533	369	545	590	780	3
20°),	371	533	392	545	590	780	3
desplazamientos	394	533	463	545	590	780	3
tanto	465	533	487	545	590	780	3
horizontales	489	533	541	545	590	780	3
como	192	545	214	557	590	780	3
verticales(máximo	217	545	294	557	590	780	3
20%),	296	545	321	557	590	780	3
zoom(máximo	323	545	383	557	590	780	3
15%),	385	545	410	557	590	780	3
recortes(máximo	412	545	484	557	590	780	3
15%),	486	545	511	557	590	780	3
comple-	513	545	546	557	590	780	3
tación	192	558	217	569	590	780	3
con	219	558	234	569	590	780	3
pixeles	236	558	265	569	590	780	3
vecinos	267	558	299	569	590	780	3
de	301	558	311	569	590	780	3
ser	313	558	326	569	590	780	3
necesario,	328	558	370	569	590	780	3
y	372	558	377	569	590	780	3
espejos	379	558	410	569	590	780	3
horizontales.	412	558	466	569	590	780	3
.	212	664	214	676	590	780	3
Universidad	49	730	94	741	590	780	3
EIA	96	730	108	741	590	780	3
/	110	730	113	741	590	780	3
Rev.EIA.Univ.EIA	115	730	175	741	590	780	3
3	542	734	549	749	590	780	3
Clasificación	66	40	113	51	590	780	4
de	114	40	124	51	590	780	4
cáncer	126	40	151	51	590	780	4
cervical	152	40	182	51	590	780	4
usando	183	40	211	51	590	780	4
redes	213	40	234	51	590	780	4
neuronales	235	40	278	51	590	780	4
convolucionales,	279	40	341	51	590	780	4
transferencia	343	40	393	51	590	780	4
de	395	40	404	51	590	780	4
aprendizaje	406	40	450	51	590	780	4
y	452	40	456	51	590	780	4
aumento	458	40	492	51	590	780	4
de	493	40	503	51	590	780	4
datos	505	40	525	51	590	780	4
Figura	209	77	234	88	590	780	4
1.	236	77	243	88	590	780	4
Imágenes	249	77	286	88	590	780	4
de	288	77	297	88	590	780	4
la	299	77	306	88	590	780	4
cérvix	307	77	330	88	590	780	4
del	332	77	343	88	590	780	4
cáncer	345	77	370	88	590	780	4
leve(Tipo	372	77	407	88	590	780	4
1	409	77	413	88	590	780	4
y	415	77	419	88	590	780	4
Tipo	421	77	438	88	590	780	4
2)	439	77	447	88	590	780	4
y	449	77	453	88	590	780	4
cáncer	455	77	479	88	590	780	4
agresivo(Tipo	209	89	260	100	590	780	4
3).	262	89	271	100	590	780	4
Paso	206	288	227	301	590	780	4
5:	229	288	237	301	590	780	4
Diseño,	240	289	270	301	590	780	4
implementación	272	289	340	301	590	780	4
y	342	289	347	301	590	780	4
entrenamiento	349	289	410	301	590	780	4
del	412	289	425	301	590	780	4
modelo	427	289	458	301	590	780	4
de	460	289	471	301	590	780	4
aprendizaje	473	289	521	301	590	780	4
supervisado,	186	301	239	313	590	780	4
se	241	301	250	313	590	780	4
utiliza	252	301	278	313	590	780	4
TL	280	301	291	313	590	780	4
como	293	301	316	313	590	780	4
método	318	301	349	313	590	780	4
de	352	301	362	313	590	780	4
inicialización	364	301	418	313	590	780	4
de	421	301	431	313	590	780	4
los	433	301	445	313	590	780	4
filtros	447	301	472	313	590	780	4
de	474	301	484	313	590	780	4
las	486	301	498	313	590	780	4
capas	500	301	523	313	590	780	4
convolucionales	186	313	252	325	590	780	4
(extracción	255	313	301	325	590	780	4
de	303	313	313	325	590	780	4
características)	316	313	379	325	590	780	4
los	381	313	393	325	590	780	4
cuales	395	313	421	325	590	780	4
no	423	313	434	325	590	780	4
son	436	313	451	325	590	780	4
entrenables.	453	313	504	325	590	780	4
Se	506	313	516	325	590	780	4
diseña	186	325	213	337	590	780	4
e	215	325	220	337	590	780	4
implementa	222	325	272	337	590	780	4
una	274	325	290	337	590	780	4
nueva	292	325	317	337	590	780	4
arquitectura	319	325	370	337	590	780	4
para	372	325	391	337	590	780	4
las	393	325	405	337	590	780	4
capas	407	325	430	337	590	780	4
densas	432	325	461	337	590	780	4
(clasificación)	463	325	521	337	590	780	4
los	523	325	535	337	590	780	4
cuales	186	337	212	349	590	780	4
son	214	337	229	349	590	780	4
entrenables.	231	337	282	349	590	780	4
Se	284	337	294	349	590	780	4
realiza	296	337	324	349	590	780	4
el	326	337	333	349	590	780	4
entrenamiento	335	337	397	349	590	780	4
de	399	337	409	349	590	780	4
la	411	337	418	349	590	780	4
CNN	421	337	439	349	590	780	4
a	441	337	446	349	590	780	4
partir	448	337	472	349	590	780	4
de	475	337	485	349	590	780	4
imágenes	487	337	526	349	590	780	4
etiquetadas	186	349	235	361	590	780	4
con	237	349	252	361	590	780	4
el	254	349	261	361	590	780	4
tipo	263	349	280	361	590	780	4
de	282	349	292	361	590	780	4
cáncer.	294	349	323	361	590	780	4
Paso	206	366	227	379	590	780	4
6:	229	366	237	379	590	780	4
Clasificación	240	367	291	379	590	780	4
del	294	367	306	379	590	780	4
cáncer	308	367	336	379	590	780	4
cervical	338	367	370	379	590	780	4
entre	372	367	394	379	590	780	4
tipo	397	367	413	379	590	780	4
leve	415	367	432	379	590	780	4
y	434	367	439	379	590	780	4
agresivo	441	367	476	379	590	780	4
sobre	478	367	501	379	590	780	4
los	503	367	515	379	590	780	4
datos	517	367	540	379	590	780	4
de	186	379	196	391	590	780	4
validación	198	379	241	391	590	780	4
debidamente	243	379	297	391	590	780	4
etiquetados.	299	379	350	391	590	780	4
A	206	397	212	409	590	780	4
continuación,	214	397	270	409	590	780	4
se	272	397	281	409	590	780	4
procede	283	397	317	409	590	780	4
a	319	397	324	409	590	780	4
describir	326	397	363	409	590	780	4
las	365	397	377	409	590	780	4
herramientas	379	397	435	409	590	780	4
usadas	437	397	465	409	590	780	4
y/o	467	397	482	409	590	780	4
configuracio-	484	397	539	409	590	780	4
nes	186	409	200	421	590	780	4
en	203	409	213	421	590	780	4
la	215	409	222	421	590	780	4
realización	224	409	270	421	590	780	4
del	272	409	285	421	590	780	4
proyecto	287	409	323	421	590	780	4
de	325	409	335	421	590	780	4
investigación:	337	409	394	421	590	780	4
A.	200	429	210	444	590	780	4
Base	222	429	246	444	590	780	4
de	248	429	260	444	590	780	4
datos	262	429	289	444	590	780	4
La	186	455	196	467	590	780	4
base	198	455	217	467	590	780	4
de	219	455	229	467	590	780	4
datos	232	455	254	467	590	780	4
fue	256	455	269	467	590	780	4
obtenida	271	455	308	467	590	780	4
de	310	455	320	467	590	780	4
Intel	322	455	342	467	590	780	4
y	344	455	349	467	590	780	4
kaggle	351	455	377	467	590	780	4
de	380	455	390	467	590	780	4
la	392	455	399	467	590	780	4
competencia	401	455	454	467	590	780	4
Intel	456	455	475	467	590	780	4
&	477	455	484	467	590	780	4
Mobile	486	455	515	467	590	780	4
ODT	517	455	535	467	590	780	4
Cervical	186	468	220	479	590	780	4
Cancer	222	468	250	479	590	780	4
Screening	252	468	293	479	590	780	4
[16],	295	468	315	479	590	780	4
la	317	468	324	479	590	780	4
cual	326	468	343	479	590	780	4
proporciona	346	468	397	479	590	780	4
dos	399	468	414	479	590	780	4
bases	416	468	439	479	590	780	4
de	441	468	451	479	590	780	4
datos	453	468	476	479	590	780	4
(principal	478	468	519	479	590	780	4
y	521	468	526	479	590	780	4
adicional).	186	480	230	491	590	780	4
La	232	480	242	491	590	780	4
base	244	480	263	491	590	780	4
de	265	480	275	491	590	780	4
datos	277	480	300	491	590	780	4
principal	302	480	339	491	590	780	4
y	341	480	346	491	590	780	4
adicional	348	480	386	491	590	780	4
contienen	388	480	429	491	590	780	4
imágenes	431	480	471	491	590	780	4
en	473	480	483	491	590	780	4
formato	485	480	518	491	590	780	4
JPG	520	480	535	491	590	780	4
con	186	492	201	504	590	780	4
tamaños	203	492	239	504	590	780	4
de	241	492	251	504	590	780	4
3.096	253	492	277	504	590	780	4
x	279	492	283	504	590	780	4
4.128	285	492	309	504	590	780	4
y	311	492	316	504	590	780	4
2.448	318	492	342	504	590	780	4
x	344	492	348	504	590	780	4
3.264.	351	492	376	504	590	780	4
En	378	492	389	504	590	780	4
la	391	492	399	504	590	780	4
base	401	492	420	504	590	780	4
de	422	492	432	504	590	780	4
datos	434	492	457	504	590	780	4
se	459	492	468	504	590	780	4
identifican	470	492	514	504	590	780	4
las	516	492	528	504	590	780	4
diferentes	186	504	228	516	590	780	4
zonas	230	504	254	516	590	780	4
de	256	504	266	516	590	780	4
transformación,	268	504	334	516	590	780	4
donde	336	504	362	516	590	780	4
se	364	504	373	516	590	780	4
localizan	375	504	412	516	590	780	4
las	414	504	426	516	590	780	4
lesiones	428	504	462	516	590	780	4
cervicales,	464	504	507	516	590	780	4
Estas	509	504	531	516	590	780	4
son	186	516	201	528	590	780	4
representadas	203	516	262	528	590	780	4
en	264	516	275	528	590	780	4
tres	277	516	293	528	590	780	4
diferentes	295	516	337	528	590	780	4
tipos	339	516	359	528	590	780	4
de	362	516	372	528	590	780	4
lesiones.	374	516	409	528	590	780	4
La	206	533	216	545	590	780	4
base	218	533	237	545	590	780	4
de	239	533	249	545	590	780	4
datos	251	533	274	545	590	780	4
principal	276	533	313	545	590	780	4
tiene	316	533	336	545	590	780	4
1.993	339	533	362	545	590	780	4
y	364	533	369	545	590	780	4
la	371	533	379	545	590	780	4
adicional	381	533	418	545	590	780	4
10.240	421	533	449	545	590	780	4
imágenes	452	533	491	545	590	780	4
y	493	533	498	545	590	780	4
se	500	533	509	545	590	780	4
dividen	511	533	542	545	590	780	4
en	186	546	196	557	590	780	4
entrenamiento	198	546	260	557	590	780	4
(tipo	262	546	282	557	590	780	4
1,	284	546	292	557	590	780	4
tipo	294	546	310	557	590	780	4
2	312	546	318	557	590	780	4
y	320	546	325	557	590	780	4
tipo	327	546	344	557	590	780	4
3)	346	546	355	557	590	780	4
y	357	546	362	557	590	780	4
validación	364	546	406	557	590	780	4
ver	408	546	422	557	590	780	4
tabla	424	546	445	557	590	780	4
1.	447	546	454	557	590	780	4
De	456	546	467	557	590	780	4
estas	470	546	491	557	590	780	4
bases	493	546	516	557	590	780	4
de	518	546	528	557	590	780	4
datos	186	558	209	569	590	780	4
solamente	211	558	254	569	590	780	4
fueron	256	558	283	569	590	780	4
utilizadas	285	558	326	569	590	780	4
1.000	328	558	351	569	590	780	4
imágenes	353	558	393	569	590	780	4
por	395	558	409	569	590	780	4
cada	411	558	431	569	590	780	4
tipo	433	558	449	569	590	780	4
con	451	558	466	569	590	780	4
el	468	558	476	569	590	780	4
fin	478	558	489	569	590	780	4
de	491	558	501	569	590	780	4
dismi-	503	558	530	569	590	780	4
nuir	186	570	204	582	590	780	4
el	206	570	213	582	590	780	4
ruido	215	570	238	582	590	780	4
[17]	240	570	258	582	590	780	4
que	260	570	275	582	590	780	4
se	277	570	286	582	590	780	4
le	288	570	296	582	590	780	4
ingresa	298	570	328	582	590	780	4
a	330	570	335	582	590	780	4
la	337	570	344	582	590	780	4
red	347	570	361	582	590	780	4
neuronal	363	570	400	582	590	780	4
debido	402	570	431	582	590	780	4
a	433	570	438	582	590	780	4
la	440	570	447	582	590	780	4
baja	449	570	467	582	590	780	4
calidad	469	570	499	582	590	780	4
de	501	570	511	582	590	780	4
las	513	570	525	582	590	780	4
imágenes.	186	582	227	594	590	780	4
4	42	733	48	748	590	780	4
https://doi.org/10.24050/reia.v18i35.1462	400	732	539	741	590	780	4
Mario	53	40	76	51	590	780	5
Alejandro	78	40	115	51	590	780	5
Bravo	117	40	140	51	590	780	5
Ortíz,	142	40	163	51	590	780	5
Harold	165	40	191	51	590	780	5
Brayan	193	40	220	51	590	780	5
Arteaga	222	40	252	51	590	780	5
Arteaga,	254	40	286	51	590	780	5
Reinel	288	40	312	51	590	780	5
Tabares	314	40	344	51	590	780	5
Soto,	346	40	365	51	590	780	5
Jorge	367	40	387	51	590	780	5
Iván	389	40	406	51	590	780	5
Padilla	408	40	434	51	590	780	5
Buriticá,	436	40	468	51	590	780	5
Simón	470	40	494	51	590	780	5
Orozco-Arias	496	40	546	51	590	780	5
Tabla	214	77	236	88	590	780	5
1.	237	77	245	88	590	780	5
Base	250	77	268	88	590	780	5
de	269	77	279	88	590	780	5
datos	281	77	302	88	590	780	5
Intel	304	77	320	88	590	780	5
y	322	77	327	88	590	780	5
kaggle	328	77	354	88	590	780	5
[13].	356	77	372	88	590	780	5
Entrenamiento	343	107	395	118	590	780	5
Base	220	113	237	124	590	780	5
de	239	113	247	124	590	780	5
datos	249	113	268	124	590	780	5
Validación	477	113	513	124	590	780	5
Tipo	295	134	310	146	590	780	5
1	312	134	316	146	590	780	5
Tipo	357	134	372	146	590	780	5
2	374	134	378	146	590	780	5
Tipo	421	134	436	146	590	780	5
3	438	134	442	146	590	780	5
Principal	229	157	259	168	590	780	5
250	299	157	312	168	590	780	5
781	361	157	374	168	590	780	5
450	425	157	438	168	590	780	5
512	488	157	501	168	590	780	5
Adicional	229	179	260	190	590	780	5
1.191	295	179	314	190	590	780	5
3.567	358	179	377	190	590	780	5
1.976	421	179	441	190	590	780	5
3.506	486	179	505	190	590	780	5
Después	212	225	247	237	590	780	5
de	249	225	259	237	590	780	5
realizar	261	225	293	237	590	780	5
pruebas	295	225	329	237	590	780	5
de	331	225	341	237	590	780	5
clasificación	343	225	394	237	590	780	5
con	396	225	411	237	590	780	5
cada	413	225	432	237	590	780	5
tipo	434	225	451	237	590	780	5
de	453	225	463	237	590	780	5
cáncer	465	225	492	237	590	780	5
cervical	495	225	527	237	590	780	5
ver	192	237	205	249	590	780	5
Fig.	207	237	222	249	590	780	5
1,	224	237	232	249	590	780	5
se	234	237	243	249	590	780	5
concluyó	245	237	282	249	590	780	5
que	284	237	299	249	590	780	5
el	301	237	309	249	590	780	5
Tipo	311	237	330	249	590	780	5
1	332	237	337	249	590	780	5
y	339	237	344	249	590	780	5
Tipo	346	237	365	249	590	780	5
2	367	237	373	249	590	780	5
eran	375	237	394	249	590	780	5
muy	396	237	414	249	590	780	5
similares,	416	237	456	249	590	780	5
debido	458	237	487	249	590	780	5
a	489	237	493	249	590	780	5
que	496	237	511	249	590	780	5
éste	513	237	530	249	590	780	5
se	192	249	201	261	590	780	5
encuentra	203	249	245	261	590	780	5
en	247	249	257	261	590	780	5
la	259	249	266	261	590	780	5
ectocérvix	269	249	311	261	590	780	5
(parte	313	249	339	261	590	780	5
externa	341	249	373	261	590	780	5
de	375	249	385	261	590	780	5
la	387	249	394	261	590	780	5
cérvix)	397	249	426	261	590	780	5
y	428	249	433	261	590	780	5
la	435	249	442	261	590	780	5
Tipo	444	249	463	261	590	780	5
3	465	249	471	261	590	780	5
se	473	249	482	261	590	780	5
encuentra	484	249	526	261	590	780	5
en	528	249	538	261	590	780	5
la	192	261	199	273	590	780	5
endocérvix	201	261	247	273	590	780	5
(parte	249	261	275	273	590	780	5
interna	277	261	308	273	590	780	5
de	310	261	320	273	590	780	5
la	322	261	329	273	590	780	5
cérvix)	331	261	360	273	590	780	5
[18],	363	261	382	273	590	780	5
por	384	261	399	273	590	780	5
lo	401	261	409	273	590	780	5
tanto	411	261	433	273	590	780	5
se	435	261	444	273	590	780	5
unificaron	446	261	488	273	590	780	5
los	490	261	502	273	590	780	5
Tipo	505	261	524	273	590	780	5
1	526	261	531	273	590	780	5
y	192	274	197	286	590	780	5
Tipo	199	274	218	286	590	780	5
2	220	274	225	286	590	780	5
en	227	274	238	286	590	780	5
una	240	274	255	286	590	780	5
clase	257	274	278	286	590	780	5
llamada	280	274	313	286	590	780	5
leve	315	274	332	286	590	780	5
debido	336	274	365	286	590	780	5
a	367	274	372	286	590	780	5
sus	374	274	387	286	590	780	5
semejanzas	390	274	437	286	590	780	5
(Fig.	439	274	458	286	590	780	5
2)	460	274	469	286	590	780	5
y	471	274	476	286	590	780	5
por	478	274	493	286	590	780	5
ser	495	274	508	286	590	780	5
menos	510	274	537	286	590	780	5
agresivos	192	286	231	298	590	780	5
que	233	286	248	298	590	780	5
el	250	286	258	298	590	780	5
Tipo	260	286	279	298	590	780	5
3	281	286	286	298	590	780	5
(llamado	288	286	325	298	590	780	5
en	328	286	338	298	590	780	5
este	340	286	357	298	590	780	5
trabajo	359	286	388	298	590	780	5
como	391	286	413	298	590	780	5
tipo	418	286	434	298	590	780	5
agresivo).	436	286	477	298	590	780	5
Figura	214	325	239	336	590	780	5
2.	241	325	249	336	590	780	5
Características	254	326	308	336	590	780	5
de	310	326	320	336	590	780	5
los	322	326	332	336	590	780	5
tipos	334	326	353	336	590	780	5
de	355	326	364	336	590	780	5
cáncer	366	326	391	336	590	780	5
cervical	393	326	421	336	590	780	5
y/o	423	326	436	336	590	780	5
sus	438	326	450	336	590	780	5
transformaciones	452	326	517	336	590	780	5
en	214	338	223	348	590	780	5
la	225	338	232	348	590	780	5
cérvix.	234	338	258	348	590	780	5
Fuente:	260	338	287	348	590	780	5
[13]	289	338	304	348	590	780	5
B.	206	559	215	574	590	780	5
Aumento	228	559	272	574	590	780	5
de	274	559	286	574	590	780	5
datos.	289	559	318	574	590	780	5
Es	192	586	202	598	590	780	5
una	204	586	219	598	590	780	5
técnica	221	586	251	598	590	780	5
utilizada	253	586	289	598	590	780	5
para	291	586	310	598	590	780	5
balancear	312	586	352	598	590	780	5
el	354	586	362	598	590	780	5
número	364	586	396	598	590	780	5
de	399	586	409	598	590	780	5
datos,	411	586	435	598	590	780	5
ayudar	438	586	467	598	590	780	5
a	469	586	473	598	590	780	5
la	476	586	483	598	590	780	5
generalización	485	586	545	598	590	780	5
del	192	598	205	610	590	780	5
modelo	207	598	238	610	590	780	5
y	240	598	245	610	590	780	5
disminuir	247	598	287	610	590	780	5
el	290	598	297	610	590	780	5
sobre	299	598	322	610	590	780	5
ajuste	324	598	349	610	590	780	5
[19].	351	598	371	610	590	780	5
El	373	598	381	610	590	780	5
aumento	383	598	420	610	590	780	5
de	422	598	432	610	590	780	5
datos	434	598	457	610	590	780	5
se	459	598	468	610	590	780	5
desarrolló	470	598	513	610	590	780	5
usando	515	598	545	610	590	780	5
la	192	610	199	622	590	780	5
librería	201	610	232	622	590	780	5
de	234	610	244	622	590	780	5
Keras[20],	246	610	289	622	590	780	5
la	291	610	299	622	590	780	5
cual	301	610	318	622	590	780	5
permite	320	610	353	622	590	780	5
realizar	355	610	387	622	590	780	5
distintas	389	610	425	622	590	780	5
operaciones	427	610	477	622	590	780	5
sobre	479	610	503	622	590	780	5
una	505	610	520	622	590	780	5
imagen	192	622	222	634	590	780	5
como:	224	622	250	634	590	780	5
rotaciones,	252	622	297	634	590	780	5
desplazamientos,	299	622	371	634	590	780	5
zoom,	373	622	398	634	590	780	5
recortes,	400	622	436	634	590	780	5
completación	438	622	494	634	590	780	5
con	496	622	511	634	590	780	5
pixeles	513	622	542	634	590	780	5
vecinos,	192	634	225	646	590	780	5
y	227	634	232	646	590	780	5
espejos	234	634	265	646	590	780	5
horizontales	267	634	319	646	590	780	5
ver	321	634	334	646	590	780	5
Fig.	337	634	351	646	590	780	5
3.	353	634	361	646	590	780	5
Universidad	49	730	94	741	590	780	5
EIA	96	730	108	741	590	780	5
/	110	730	113	741	590	780	5
Rev.EIA.Univ.EIA	115	730	175	741	590	780	5
5	542	734	549	749	590	780	5
Clasificación	66	40	113	51	590	780	6
de	114	40	124	51	590	780	6
cáncer	126	40	151	51	590	780	6
cervical	152	40	182	51	590	780	6
usando	183	40	211	51	590	780	6
redes	213	40	234	51	590	780	6
neuronales	235	40	278	51	590	780	6
convolucionales,	279	40	341	51	590	780	6
transferencia	343	40	393	51	590	780	6
de	395	40	404	51	590	780	6
aprendizaje	406	40	450	51	590	780	6
y	452	40	456	51	590	780	6
aumento	458	40	492	51	590	780	6
de	493	40	503	51	590	780	6
datos	505	40	525	51	590	780	6
Figura	208	77	234	88	590	780	6
3.	235	77	243	88	590	780	6
Resultado	248	77	286	88	590	780	6
del	288	77	299	88	590	780	6
proceso	301	77	331	88	590	780	6
de	333	77	343	88	590	780	6
aumento	344	77	379	88	590	780	6
de	381	77	390	88	590	780	6
datos	392	77	413	88	590	780	6
(imagen	415	77	446	88	590	780	6
de	448	77	457	88	590	780	6
cáncer	459	77	484	88	590	780	6
agresivo	486	77	517	88	590	780	6
y	208	89	212	100	590	780	6
algunas	214	89	243	100	590	780	6
imágenes	245	89	282	100	590	780	6
de	284	89	293	100	590	780	6
salida).	295	89	321	100	590	780	6
C.	200	302	209	316	590	780	6
Configuración	222	302	292	316	590	780	6
del	294	302	309	316	590	780	6
software	311	302	355	316	590	780	6
y	357	302	363	316	590	780	6
hardware	365	302	414	316	590	780	6
D.	200	374	210	389	590	780	6
VGG-16	222	374	258	389	590	780	6
E.	200	509	209	523	590	780	6
VGG-19	222	509	258	523	590	780	6
Los	186	316	200	328	590	780	6
experimentos	203	316	259	328	590	780	6
realizados	262	316	304	328	590	780	6
se	306	316	315	328	590	780	6
hicieron	317	316	352	328	590	780	6
en	354	316	364	328	590	780	6
un	366	316	377	328	590	780	6
computador	379	316	430	328	590	780	6
con	432	316	447	328	590	780	6
64	449	316	459	328	590	780	6
GB	462	316	473	328	590	780	6
de	476	316	486	328	590	780	6
RAM,	488	316	510	328	590	780	6
1.2	512	316	525	328	590	780	6
TB	186	329	198	341	590	780	6
de	200	329	210	341	590	780	6
disco	212	329	234	341	590	780	6
duro,	236	329	258	341	590	780	6
tarjeta	260	329	287	341	590	780	6
gráfica	289	329	317	341	590	780	6
NVIDIA	319	329	351	341	590	780	6
Geforce	353	329	384	341	590	780	6
RTX	386	329	403	341	590	780	6
2080	405	329	427	341	590	780	6
Ti	429	329	438	341	590	780	6
12G	440	329	456	341	590	780	6
y	459	329	463	341	590	780	6
un	466	329	476	341	590	780	6
procesador	478	329	525	341	590	780	6
Intel	186	341	205	353	590	780	6
Core	207	341	226	353	590	780	6
i9-9900k	229	341	266	353	590	780	6
de	269	341	279	353	590	780	6
8	281	341	286	353	590	780	6
núcleos	288	341	320	353	590	780	6
y	322	341	327	353	590	780	6
16	329	341	340	353	590	780	6
hilos.	342	341	364	353	590	780	6
El	366	341	374	353	590	780	6
sistema	377	341	408	353	590	780	6
operativo	410	341	450	353	590	780	6
fue	452	341	465	353	590	780	6
Ubuntu	467	341	498	353	590	780	6
18.04	500	341	524	353	590	780	6
con	526	341	541	353	590	780	6
Python	186	354	216	365	590	780	6
3.7,	218	354	232	365	590	780	6
Keras	239	354	262	365	590	780	6
2.2.4[20]	264	354	302	365	590	780	6
y	304	354	309	365	590	780	6
Tensor-Flow	311	354	363	365	590	780	6
1.14[21]	365	354	401	365	590	780	6
Es	186	389	196	401	590	780	6
una	198	389	213	401	590	780	6
CNN	215	389	234	401	590	780	6
propuesta	236	389	278	401	590	780	6
en	280	389	291	401	590	780	6
la	293	389	300	401	590	780	6
universidad	302	389	351	401	590	780	6
de	353	389	364	401	590	780	6
Oxford	366	389	394	401	590	780	6
por	396	389	411	401	590	780	6
K.	413	389	421	401	590	780	6
Simonyan	423	389	464	401	590	780	6
y	466	389	471	401	590	780	6
A.	473	389	481	401	590	780	6
Zisserman	483	389	526	401	590	780	6
[7].	186	401	200	413	590	780	6
Es	202	401	212	413	590	780	6
una	214	401	230	413	590	780	6
de	232	401	242	413	590	780	6
las	244	401	256	413	590	780	6
redes	258	401	281	413	590	780	6
más	283	401	300	413	590	780	6
utilizadas	302	401	342	413	590	780	6
para	344	401	363	413	590	780	6
clasificar	365	401	402	413	590	780	6
imágenes,	404	401	446	413	590	780	6
esta	448	401	465	413	590	780	6
arquitectura	467	401	518	413	590	780	6
tiene	186	414	207	426	590	780	6
la	209	414	216	426	590	780	6
capacidad	218	414	260	426	590	780	6
de	262	414	272	426	590	780	6
clasificar	274	414	312	426	590	780	6
1.000	314	414	337	426	590	780	6
tipos	339	414	360	426	590	780	6
de	362	414	372	426	590	780	6
imágenes.	374	414	416	426	590	780	6
La	418	414	428	426	590	780	6
VGG16	430	414	458	426	590	780	6
es	460	414	469	426	590	780	6
una	471	414	487	426	590	780	6
mejora	489	414	518	426	590	780	6
de	520	414	530	426	590	780	6
Alex-net	186	426	220	438	590	780	6
[22],	222	426	242	438	590	780	6
la	244	426	251	438	590	780	6
cual	253	426	270	438	590	780	6
implementa	273	426	322	438	590	780	6
el	325	426	332	438	590	780	6
primer	334	426	363	438	590	780	6
filtro	365	426	386	438	590	780	6
de	388	426	398	438	590	780	6
11x11	400	426	426	438	590	780	6
y	428	426	433	438	590	780	6
el	435	426	443	438	590	780	6
segundo	445	426	480	438	590	780	6
filtro	482	426	503	438	590	780	6
de	505	426	515	438	590	780	6
5x5	517	426	532	438	590	780	6
mientras	186	438	223	450	590	780	6
la	225	438	232	450	590	780	6
VGG16	235	438	263	450	590	780	6
implementa	265	438	315	450	590	780	6
múltiples	317	438	356	450	590	780	6
filtros	358	438	383	450	590	780	6
de	385	438	395	450	590	780	6
3x3.	397	438	414	450	590	780	6
Esta	416	438	434	450	590	780	6
última	436	438	463	450	590	780	6
red	465	438	479	450	590	780	6
es	481	438	490	450	590	780	6
pre-entre-	492	438	535	450	590	780	6
nada	186	451	206	463	590	780	6
en	208	451	218	463	590	780	6
ImageNet	221	451	261	463	590	780	6
[9]	263	451	275	463	590	780	6
con	277	451	292	463	590	780	6
un	294	451	305	463	590	780	6
conjunto	307	451	344	463	590	780	6
de	346	451	356	463	590	780	6
datos	358	451	381	463	590	780	6
de	383	451	393	463	590	780	6
más	395	451	412	463	590	780	6
de	414	451	424	463	590	780	6
15	426	451	437	463	590	780	6
millones	439	451	475	463	590	780	6
de	477	451	487	463	590	780	6
imágenes	489	451	528	463	590	780	6
que	186	463	201	475	590	780	6
pertenecen	203	463	250	475	590	780	6
a	252	463	257	475	590	780	6
22.000	259	463	288	475	590	780	6
categorías.	290	463	335	475	590	780	6
la	337	463	344	475	590	780	6
CNN	346	463	365	475	590	780	6
cuenta	367	463	395	475	590	780	6
con	397	463	412	475	590	780	6
16	414	463	425	475	590	780	6
capas,	427	463	452	475	590	780	6
de	454	463	464	475	590	780	6
las	466	463	478	475	590	780	6
cuales	480	463	506	475	590	780	6
13	508	463	519	475	590	780	6
son	521	463	536	475	590	780	6
filtros	186	476	211	488	590	780	6
y	213	476	218	488	590	780	6
3	220	476	225	488	590	780	6
densas	227	476	256	488	590	780	6
completamente	258	476	323	488	590	780	6
conectadas.	325	476	373	488	590	780	6
El	375	476	383	488	590	780	6
tamaño	385	476	417	488	590	780	6
de	419	476	429	488	590	780	6
las	431	476	443	488	590	780	6
imágenes	445	476	484	488	590	780	6
de	486	476	496	488	590	780	6
entrada	498	476	531	488	590	780	6
para	186	488	205	500	590	780	6
esta	207	488	224	500	590	780	6
red	226	488	240	500	590	780	6
neuronal	242	488	279	500	590	780	6
es	281	488	290	500	590	780	6
de	292	488	303	500	590	780	6
224	305	488	321	500	590	780	6
x	323	488	328	500	590	780	6
224x3	330	488	356	500	590	780	6
ver	358	488	372	500	590	780	6
Fig.	374	488	388	500	590	780	6
4.	390	488	398	500	590	780	6
La	186	523	196	535	590	780	6
VGG19	198	523	226	535	590	780	6
es	228	523	237	535	590	780	6
una	239	523	255	535	590	780	6
red	257	523	271	535	590	780	6
neuronal	273	523	310	535	590	780	6
convolucional	313	523	370	535	590	780	6
de	372	523	382	535	590	780	6
la	384	523	392	535	590	780	6
familia	394	523	422	535	590	780	6
VGG16	424	523	453	535	590	780	6
y	455	523	460	535	590	780	6
la	462	523	469	535	590	780	6
diferencia	471	523	513	535	590	780	6
global	515	523	540	535	590	780	6
es	186	536	195	548	590	780	6
que	197	536	212	548	590	780	6
esta	215	536	231	548	590	780	6
red	234	536	248	548	590	780	6
cuenta	250	536	277	548	590	780	6
con	280	536	294	548	590	780	6
19	297	536	307	548	590	780	6
capas	309	536	333	548	590	780	6
[8],	335	536	349	548	590	780	6
de	351	536	361	548	590	780	6
las	363	536	375	548	590	780	6
cuales	377	536	403	548	590	780	6
16	405	536	416	548	590	780	6
capas	418	536	441	548	590	780	6
son	443	536	458	548	590	780	6
filtros	460	536	485	548	590	780	6
convolucio-	487	536	535	548	590	780	6
nales	186	548	208	560	590	780	6
y	210	548	215	560	590	780	6
3	217	548	222	560	590	780	6
densas	224	548	253	560	590	780	6
completamente	255	548	319	560	590	780	6
conectadas	322	548	368	560	590	780	6
ver	370	548	383	560	590	780	6
Fig.	385	548	400	560	590	780	6
4.	402	548	410	560	590	780	6
El	412	548	420	560	590	780	6
tamaño	422	548	453	560	590	780	6
de	456	548	466	560	590	780	6
las	468	548	479	560	590	780	6
imágenes	482	548	521	560	590	780	6
de	523	548	533	560	590	780	6
entrada	186	561	218	572	590	780	6
de	220	561	230	572	590	780	6
esta	232	561	249	572	590	780	6
CNN	252	561	270	572	590	780	6
son	272	561	287	572	590	780	6
las	289	561	301	572	590	780	6
mismas	303	561	335	572	590	780	6
de	337	561	347	572	590	780	6
la	349	561	357	572	590	780	6
VGG16.	359	561	389	572	590	780	6
6	42	733	48	748	590	780	6
https://doi.org/10.24050/reia.v18i35.1462	400	732	539	741	590	780	6
Mario	53	40	76	51	590	780	7
Alejandro	78	40	115	51	590	780	7
Bravo	117	40	140	51	590	780	7
Ortíz,	142	40	163	51	590	780	7
Harold	165	40	191	51	590	780	7
Brayan	193	40	220	51	590	780	7
Arteaga	222	40	252	51	590	780	7
Arteaga,	254	40	286	51	590	780	7
Reinel	288	40	312	51	590	780	7
Tabares	314	40	344	51	590	780	7
Soto,	346	40	365	51	590	780	7
Jorge	367	40	387	51	590	780	7
Iván	389	40	406	51	590	780	7
Padilla	408	40	434	51	590	780	7
Buriticá,	436	40	468	51	590	780	7
Simón	470	40	494	51	590	780	7
Orozco-Arias	496	40	546	51	590	780	7
Figura	214	77	240	88	590	780	7
4.	242	77	249	88	590	780	7
Arquitectura	253	77	300	88	590	780	7
de	302	77	311	88	590	780	7
VGG16	313	77	339	88	590	780	7
y	341	77	345	88	590	780	7
de	347	77	357	88	590	780	7
VGG19	358	77	384	88	590	780	7
F.	207	239	214	254	590	780	7
Fully	229	239	253	254	590	780	7
connected	255	239	305	254	590	780	7
Las	193	259	207	271	590	780	7
VGG16/19	209	259	253	271	590	780	7
se	255	259	264	271	590	780	7
adaptaron	266	259	309	271	590	780	7
a	311	259	315	271	590	780	7
la	318	259	325	271	590	780	7
clasificación	327	259	378	271	590	780	7
del	380	259	393	271	590	780	7
cáncer	395	259	422	271	590	780	7
cervical	424	259	457	271	590	780	7
leve	459	259	475	271	590	780	7
y	478	259	482	271	590	780	7
agresivo,	485	259	521	271	590	780	7
re-	523	259	535	271	590	780	7
emplazando	193	271	243	283	590	780	7
las	246	271	257	283	590	780	7
3	259	271	265	283	590	780	7
capas	267	271	290	283	590	780	7
densas	292	271	321	283	590	780	7
por	323	271	337	283	590	780	7
una	340	271	355	283	590	780	7
arquitectura	357	271	409	283	590	780	7
propia	411	271	438	283	590	780	7
de	440	271	450	283	590	780	7
capas	452	271	476	283	590	780	7
completamente	478	271	542	283	590	780	7
conectadas	193	283	239	295	590	780	7
ver	241	283	254	295	590	780	7
Fig.	257	283	271	295	590	780	7
5.	273	283	281	295	590	780	7
la	283	283	290	295	590	780	7
cual	292	283	309	295	590	780	7
está	312	283	328	295	590	780	7
compuesta	331	283	376	295	590	780	7
por	378	283	392	295	590	780	7
4	395	283	400	295	590	780	7
capas	402	283	425	295	590	780	7
densas	428	283	456	295	590	780	7
de	458	283	468	295	590	780	7
128	471	283	487	295	590	780	7
neuronas,	489	283	530	295	590	780	7
64	532	283	543	295	590	780	7
neuronas,	193	295	234	307	590	780	7
32	236	295	246	307	590	780	7
neuronas	249	295	287	307	590	780	7
y	290	295	294	307	590	780	7
una	297	295	312	307	590	780	7
neurona.	314	295	351	307	590	780	7
En	353	295	364	307	590	780	7
las	366	295	378	307	590	780	7
tres	380	295	396	307	590	780	7
primeras	398	295	436	307	590	780	7
capas	438	295	461	307	590	780	7
densas	463	295	492	307	590	780	7
la	494	295	501	307	590	780	7
función	503	295	535	307	590	780	7
de	193	307	203	319	590	780	7
activación	205	307	247	319	590	780	7
es	249	307	258	319	590	780	7
Relu	260	307	278	319	590	780	7
[23],	281	307	300	319	590	780	7
en	302	307	312	319	590	780	7
la	315	307	322	319	590	780	7
última	324	307	351	319	590	780	7
es	353	307	362	319	590	780	7
Sigmoide	364	307	402	319	590	780	7
[24].	404	307	424	319	590	780	7
La	426	307	436	319	590	780	7
función	438	307	469	319	590	780	7
de	472	307	482	319	590	780	7
pérdida	484	307	516	319	590	780	7
que	518	307	534	319	590	780	7
se	193	319	202	331	590	780	7
utilizó	204	319	230	331	590	780	7
es	232	319	241	331	590	780	7
binary	243	319	270	331	590	780	7
crossentropy	272	319	327	331	590	780	7
[25]	329	319	346	331	590	780	7
y	348	319	353	331	590	780	7
el	355	319	363	331	590	780	7
optimizador	365	319	416	331	590	780	7
es	418	319	427	331	590	780	7
stochastic	429	319	470	331	590	780	7
gradient	473	319	507	331	590	780	7
descent	510	319	542	331	590	780	7
(SGD)	193	331	217	343	590	780	7
[26],	219	331	239	343	590	780	7
con	241	331	256	343	590	780	7
learning	258	331	293	343	590	780	7
rate	295	331	311	343	590	780	7
(lr)	313	331	327	343	590	780	7
0,001	329	331	353	343	590	780	7
y	355	331	360	343	590	780	7
un	362	331	373	343	590	780	7
momentum	375	331	423	343	590	780	7
de	425	331	435	343	590	780	7
0,9,	438	331	452	343	590	780	7
para	454	331	473	343	590	780	7
disminuir	475	331	516	343	590	780	7
el	518	331	525	343	590	780	7
so-	527	331	540	343	590	780	7
bre	193	343	207	355	590	780	7
ajuste	209	343	234	355	590	780	7
[27]	236	343	253	355	590	780	7
se	255	343	264	355	590	780	7
aplicó	266	343	291	355	590	780	7
dropout	293	343	327	355	590	780	7
[28]	329	343	347	355	590	780	7
de	349	343	359	355	590	780	7
0,2	361	343	374	355	590	780	7
entre	376	343	398	355	590	780	7
la	400	343	407	355	590	780	7
primera	410	343	443	355	590	780	7
y	445	343	450	355	590	780	7
segunda	452	343	487	355	590	780	7
capa	489	343	508	355	590	780	7
y	510	343	515	355	590	780	7
entre	517	343	539	355	590	780	7
la	193	355	200	367	590	780	7
segunda	202	355	237	367	590	780	7
y	239	355	244	367	590	780	7
la	246	355	253	367	590	780	7
tercera	255	355	285	367	590	780	7
capa.	287	355	308	367	590	780	7
Figura	214	390	240	401	590	780	7
5.	242	390	249	401	590	780	7
Capas	253	390	275	401	590	780	7
completamente	277	390	337	401	590	780	7
conectadas	339	390	382	401	590	780	7
propuestas	384	390	426	401	590	780	7
III.	193	618	208	634	590	780	7
Resultados	216	618	277	634	590	780	7
y	279	618	286	634	590	780	7
discusión	288	618	341	634	590	780	7
Se	193	647	202	659	590	780	7
propuso	204	647	239	659	590	780	7
una	241	647	257	659	590	780	7
arquitectura	259	647	310	659	590	780	7
de	312	647	322	659	590	780	7
CNNs	324	647	347	659	590	780	7
que	349	647	365	659	590	780	7
utiliza	367	647	393	659	590	780	7
TL	395	647	406	659	590	780	7
y	408	647	413	659	590	780	7
aumento	415	647	452	659	590	780	7
de	454	647	464	659	590	780	7
datos,	466	647	491	659	590	780	7
con	493	647	508	659	590	780	7
una	510	647	525	659	590	780	7
etapa	193	659	216	671	590	780	7
de	218	659	228	671	590	780	7
pre-procesamiento	230	659	309	671	590	780	7
para	311	659	330	671	590	780	7
permitir	332	659	367	671	590	780	7
la	369	659	376	671	590	780	7
convergencia	378	659	433	671	590	780	7
de	435	659	445	671	590	780	7
la	447	659	455	671	590	780	7
red,	457	659	473	671	590	780	7
esta	475	659	492	671	590	780	7
arquitectura	494	659	545	671	590	780	7
se	193	671	202	683	590	780	7
puede	204	671	229	683	590	780	7
observar	232	671	268	683	590	780	7
en	270	671	281	683	590	780	7
Fig.	283	671	297	683	590	780	7
6	300	671	305	683	590	780	7
y	307	671	312	683	590	780	7
se	314	671	323	683	590	780	7
explica	325	671	354	683	590	780	7
a	356	671	361	683	590	780	7
continuación:	363	671	420	683	590	780	7
Universidad	49	730	94	741	590	780	7
EIA	96	730	108	741	590	780	7
/	110	730	113	741	590	780	7
Rev.EIA.Univ.EIA	115	730	175	741	590	780	7
7	542	734	549	749	590	780	7
Clasificación	66	40	113	51	590	780	8
de	114	40	124	51	590	780	8
cáncer	126	40	151	51	590	780	8
cervical	152	40	182	51	590	780	8
usando	183	40	211	51	590	780	8
redes	213	40	234	51	590	780	8
neuronales	235	40	278	51	590	780	8
convolucionales,	279	40	341	51	590	780	8
transferencia	343	40	393	51	590	780	8
de	395	40	404	51	590	780	8
aprendizaje	406	40	450	51	590	780	8
y	452	40	456	51	590	780	8
aumento	458	40	492	51	590	780	8
de	493	40	503	51	590	780	8
datos	505	40	525	51	590	780	8
Etapa	201	71	230	86	590	780	8
de	233	71	244	86	590	780	8
preprocesamiento	247	71	337	86	590	780	8
Segmentación	187	84	244	97	590	780	8
semiautomática	246	84	311	97	590	780	8
y	313	84	318	97	590	780	8
aumento	320	84	356	97	590	780	8
de	358	84	367	97	590	780	8
datos:	370	84	394	97	590	780	8
se	396	85	405	97	590	780	8
diseñó	407	85	435	97	590	780	8
un	437	85	448	97	590	780	8
algoritmo	450	85	490	97	590	780	8
para	493	85	511	97	590	780	8
reali-	513	85	535	97	590	780	8
zar	187	97	200	109	590	780	8
segmentación	202	97	260	109	590	780	8
el	262	97	269	109	590	780	8
cual	271	97	288	109	590	780	8
está	291	97	308	109	590	780	8
compuesto	310	97	355	109	590	780	8
por	357	97	372	109	590	780	8
distintas	374	97	410	109	590	780	8
operaciones	412	97	462	109	590	780	8
sobre	464	97	488	109	590	780	8
la	490	97	497	109	590	780	8
imágen,	499	97	532	109	590	780	8
con	187	109	202	121	590	780	8
el	204	109	211	121	590	780	8
fin	214	109	225	121	590	780	8
de	227	109	237	121	590	780	8
enfocar	239	109	270	121	590	780	8
la	272	109	280	121	590	780	8
información	282	109	332	121	590	780	8
en	334	109	344	121	590	780	8
la	347	109	354	121	590	780	8
lesión	356	109	381	121	590	780	8
donde	383	109	409	121	590	780	8
está	411	109	428	121	590	780	8
el	430	109	438	121	590	780	8
cáncer.	440	109	468	121	590	780	8
Debido	470	109	500	121	590	780	8
al	502	109	510	121	590	780	8
ruido	512	109	534	121	590	780	8
y	187	121	192	133	590	780	8
la	194	121	201	133	590	780	8
calidad	204	121	233	133	590	780	8
de	236	121	246	133	590	780	8
las	248	121	259	133	590	780	8
imágenes	261	121	301	133	590	780	8
de	303	121	313	133	590	780	8
la	315	121	323	133	590	780	8
base	325	121	344	133	590	780	8
de	346	121	356	133	590	780	8
datos	358	121	381	133	590	780	8
[6],	383	121	397	133	590	780	8
el	399	121	406	133	590	780	8
algoritmo	409	121	449	133	590	780	8
para	451	121	470	133	590	780	8
segmentar	472	121	516	133	590	780	8
no	518	121	529	133	590	780	8
era	187	133	200	145	590	780	8
suficiente	203	133	243	145	590	780	8
por	245	133	259	145	590	780	8
lo	262	133	269	145	590	780	8
tanto	271	133	293	145	590	780	8
se	295	133	304	145	590	780	8
decidió	306	133	337	145	590	780	8
realizar	339	133	371	145	590	780	8
como	373	133	395	145	590	780	8
segundo	398	133	433	145	590	780	8
paso,	435	133	456	145	590	780	8
la	458	133	466	145	590	780	8
segmentación	468	133	525	145	590	780	8
manual	187	145	218	157	590	780	8
de	220	145	230	157	590	780	8
las	232	145	244	157	590	780	8
imágenes	246	145	285	157	590	780	8
que	288	145	303	157	590	780	8
no	305	145	316	157	590	780	8
fueron	318	145	345	157	590	780	8
segmentadas	347	145	402	157	590	780	8
por	404	145	418	157	590	780	8
el	420	145	428	157	590	780	8
algoritmo.	430	145	472	157	590	780	8
Con	475	145	491	157	590	780	8
el	493	145	500	157	590	780	8
fin	502	145	513	157	590	780	8
de	515	145	525	157	590	780	8
no	528	145	538	157	590	780	8
ingresar	187	157	222	169	590	780	8
ruido	224	157	246	169	590	780	8
a	248	157	253	169	590	780	8
la	255	157	263	169	590	780	8
arquitectura	265	157	316	169	590	780	8
propuesta	318	157	360	169	590	780	8
(Fig.	362	157	381	169	590	780	8
6),	383	157	394	169	590	780	8
se	396	157	405	169	590	780	8
seleccionaron	407	157	464	169	590	780	8
las	467	157	478	169	590	780	8
mejores	480	157	514	169	590	780	8
1.000	516	157	539	169	590	780	8
imágenes	187	169	226	181	590	780	8
por	229	169	243	181	590	780	8
cada	245	169	264	181	590	780	8
tipo	267	169	283	181	590	780	8
de	285	169	295	181	590	780	8
cáncer	297	169	325	181	590	780	8
cervical.	327	169	361	181	590	780	8
El	363	169	372	181	590	780	8
cáncer	374	169	401	181	590	780	8
cervical	403	169	436	181	590	780	8
leve	438	169	454	181	590	780	8
cuenta	457	169	484	181	590	780	8
con	486	169	501	181	590	780	8
2.000	503	169	527	181	590	780	8
imágenes	187	181	226	193	590	780	8
y	229	181	233	193	590	780	8
el	236	181	243	193	590	780	8
agresivo	245	181	280	193	590	780	8
con	282	181	297	193	590	780	8
1.000,	299	181	324	193	590	780	8
para	326	181	345	193	590	780	8
que	347	181	363	193	590	780	8
la	365	181	372	193	590	780	8
base	374	181	393	193	590	780	8
de	395	181	406	193	590	780	8
datos	408	181	430	193	590	780	8
quede	432	181	458	193	590	780	8
balanceada	460	181	507	193	590	780	8
se	509	181	518	193	590	780	8
utili-	520	181	540	193	590	780	8
zó	187	193	197	205	590	780	8
aumento	199	193	235	205	590	780	8
de	238	193	248	205	590	780	8
datos	250	193	272	205	590	780	8
para	275	193	293	205	590	780	8
equilibrar	295	193	337	205	590	780	8
el	339	193	346	205	590	780	8
número	348	193	381	205	590	780	8
de	383	193	393	205	590	780	8
imágenes	395	193	435	205	590	780	8
(ver	437	193	454	205	590	780	8
sección	456	193	487	205	590	780	8
II,	489	193	497	205	590	780	8
aumento	499	193	536	205	590	780	8
de	187	205	197	217	590	780	8
datos).	199	205	228	217	590	780	8
División	201	225	241	240	590	780	8
del	244	225	259	240	590	780	8
conjunto	261	225	304	240	590	780	8
de	307	225	319	240	590	780	8
datos	321	225	348	240	590	780	8
de	351	225	363	240	590	780	8
entrenamiento	365	225	439	240	590	780	8
y	441	225	447	240	590	780	8
validación	449	225	500	240	590	780	8
Después	187	240	222	251	590	780	8
de	224	240	234	251	590	780	8
obtener	236	240	269	251	590	780	8
la	271	240	278	251	590	780	8
base	281	240	300	251	590	780	8
de	302	240	312	251	590	780	8
datos	314	240	337	251	590	780	8
con	339	240	354	251	590	780	8
cáncer	356	240	383	251	590	780	8
cervical	385	240	418	251	590	780	8
leve	420	240	436	251	590	780	8
y	439	240	443	251	590	780	8
agresivo,	446	240	482	251	590	780	8
se	484	240	493	251	590	780	8
procede	495	240	529	251	590	780	8
a	187	252	192	263	590	780	8
separar	194	252	226	263	590	780	8
la	228	252	235	263	590	780	8
base	237	252	256	263	590	780	8
de	258	252	268	263	590	780	8
datos	271	252	293	263	590	780	8
en	295	252	305	263	590	780	8
80%	308	252	327	263	590	780	8
para	329	252	348	263	590	780	8
entrenamiento	350	252	411	263	590	780	8
y	414	252	418	263	590	780	8
20	421	252	431	263	590	780	8
%	433	252	442	263	590	780	8
de	444	252	454	263	590	780	8
las	456	252	468	263	590	780	8
imágenes	470	252	509	263	590	780	8
para	512	252	530	263	590	780	8
validación.	187	264	231	275	590	780	8
Escalamiento	207	280	261	293	590	780	8
de	263	280	273	293	590	780	8
las	275	280	286	293	590	780	8
imágenes:	289	280	329	293	590	780	8
La	331	281	341	293	590	780	8
VGG16/19	344	281	387	293	590	780	8
tiene	389	281	410	293	590	780	8
un	412	281	423	293	590	780	8
tamaño	425	281	457	293	590	780	8
de	459	281	469	293	590	780	8
imagen	471	281	501	293	590	780	8
definido	504	281	538	293	590	780	8
de	187	293	197	305	590	780	8
224x224x3	199	293	246	305	590	780	8
[7][8],	248	293	275	305	590	780	8
por	277	293	291	305	590	780	8
lo	294	293	301	305	590	780	8
tanto,	304	293	327	305	590	780	8
las	329	293	341	305	590	780	8
imágenes	343	293	382	305	590	780	8
de	385	293	395	305	590	780	8
entrenamiento	397	293	458	305	590	780	8
y	460	293	465	305	590	780	8
validación	467	293	510	305	590	780	8
son	512	293	527	305	590	780	8
escaladas	187	305	227	317	590	780	8
utilizando	229	305	271	317	590	780	8
el	273	305	280	317	590	780	8
método	282	305	314	317	590	780	8
de	316	305	326	317	590	780	8
interpolación	328	305	384	317	590	780	8
bicúbica.	386	305	423	317	590	780	8
Etapa	201	325	230	340	590	780	8
de	233	325	244	340	590	780	8
extracción	247	325	298	340	590	780	8
de	301	325	312	340	590	780	8
características	315	325	388	340	590	780	8
Para	187	340	206	352	590	780	8
extraer	208	340	238	352	590	780	8
características	240	340	300	352	590	780	8
se	302	340	311	352	590	780	8
utilizaron	313	340	353	352	590	780	8
CNN	355	340	374	352	590	780	8
pre-entrenadas	376	340	440	352	590	780	8
(ver	442	340	459	352	590	780	8
sección	461	340	492	352	590	780	8
II,	494	340	502	352	590	780	8
VGG16	504	340	533	352	590	780	8
y	535	340	540	352	590	780	8
VGG19).	187	352	221	364	590	780	8
Etapa	201	372	230	387	590	780	8
de	233	372	244	387	590	780	8
clasificación	247	372	308	387	590	780	8
Para	187	386	206	398	590	780	8
realizar	208	386	240	398	590	780	8
la	242	386	249	398	590	780	8
etapa	251	386	274	398	590	780	8
de	276	386	286	398	590	780	8
clasificación	289	386	339	398	590	780	8
se	341	386	350	398	590	780	8
eliminan	352	386	389	398	590	780	8
las	391	386	402	398	590	780	8
tres	405	386	421	398	590	780	8
capas	423	386	446	398	590	780	8
densas	448	386	477	398	590	780	8
de	479	386	489	398	590	780	8
las	491	386	503	398	590	780	8
CNN	505	386	524	398	590	780	8
VGG16/19	187	398	231	410	590	780	8
y	233	398	238	410	590	780	8
se	240	398	249	410	590	780	8
agrega	251	398	279	410	590	780	8
4	281	398	286	410	590	780	8
capas	288	398	311	410	590	780	8
densas	314	398	342	410	590	780	8
propias	344	398	376	410	590	780	8
(ver	378	398	395	410	590	780	8
Fig.5)	397	398	421	410	590	780	8
con	423	398	438	410	590	780	8
el	440	398	447	410	590	780	8
fin	450	398	461	410	590	780	8
de	463	398	473	410	590	780	8
adaptarlas	475	398	519	410	590	780	8
a	521	398	526	410	590	780	8
esta	187	410	204	422	590	780	8
investigación,	206	410	263	422	590	780	8
en	265	410	275	422	590	780	8
la	277	410	284	422	590	780	8
salida	287	410	311	422	590	780	8
de	313	410	323	422	590	780	8
las	325	410	337	422	590	780	8
redes	339	410	362	422	590	780	8
se	364	410	373	422	590	780	8
vectorizan	375	410	418	422	590	780	8
con	420	410	435	422	590	780	8
un	437	410	448	422	590	780	8
flatten,	450	410	479	422	590	780	8
luego	481	410	504	422	590	780	8
se	506	410	515	422	590	780	8
adap-	517	410	541	422	590	780	8
ta	187	422	195	434	590	780	8
la	197	422	205	434	590	780	8
capa	207	422	226	434	590	780	8
completamente	228	422	292	434	590	780	8
conectada	295	422	337	434	590	780	8
(ver	339	422	356	434	590	780	8
sección	358	422	389	434	590	780	8
II,	391	422	399	434	590	780	8
Fully	401	422	422	434	590	780	8
connected)(Fig.	424	422	488	434	590	780	8
5)	491	422	500	434	590	780	8
Figura	210	457	235	468	590	780	8
6.	237	457	245	468	590	780	8
Arquitectura	248	457	295	468	590	780	8
propuesta	297	457	336	468	590	780	8
para	338	457	354	468	590	780	8
la	356	457	363	468	590	780	8
solución	365	457	396	468	590	780	8
del	398	457	410	468	590	780	8
problema	412	457	448	468	590	780	8
8	42	733	48	748	590	780	8
https://doi.org/10.24050/reia.v18i35.1462	400	732	539	741	590	780	8
Mario	53	40	76	51	590	780	9
Alejandro	78	40	115	51	590	780	9
Bravo	117	40	140	51	590	780	9
Ortíz,	142	40	163	51	590	780	9
Harold	165	40	191	51	590	780	9
Brayan	193	40	220	51	590	780	9
Arteaga	222	40	252	51	590	780	9
Arteaga,	254	40	286	51	590	780	9
Reinel	288	40	312	51	590	780	9
Tabares	314	40	344	51	590	780	9
Soto,	346	40	365	51	590	780	9
Jorge	367	40	387	51	590	780	9
Iván	389	40	406	51	590	780	9
Padilla	408	40	434	51	590	780	9
Buriticá,	436	40	468	51	590	780	9
Simón	470	40	494	51	590	780	9
Orozco-Arias	496	40	546	51	590	780	9
Para	213	72	231	84	590	780	9
validar	233	72	262	84	590	780	9
el	264	72	272	84	590	780	9
proceso	274	72	307	84	590	780	9
de	309	72	319	84	590	780	9
aprendizaje,	321	72	372	84	590	780	9
se	374	72	383	84	590	780	9
ha	385	72	395	84	590	780	9
graficado	397	72	436	84	590	780	9
la	438	72	445	84	590	780	9
pérdida	447	72	479	84	590	780	9
por	482	72	496	84	590	780	9
épocas.	498	72	529	84	590	780	9
En	531	72	542	84	590	780	9
Fig.	193	84	207	96	590	780	9
8b,	210	84	222	96	590	780	9
se	224	84	233	96	590	780	9
observa	235	84	268	96	590	780	9
un	270	84	281	96	590	780	9
crecimiento	283	84	332	96	590	780	9
de	334	84	345	96	590	780	9
la	347	84	354	96	590	780	9
pérdida	356	84	388	96	590	780	9
a	391	84	395	96	590	780	9
medida	397	84	428	96	590	780	9
que	431	84	446	96	590	780	9
aumenta	448	84	484	96	590	780	9
el	487	84	494	96	590	780	9
número	496	84	529	96	590	780	9
de	531	84	541	96	590	780	9
épocas	193	96	221	108	590	780	9
lo	223	96	231	108	590	780	9
que	233	96	249	108	590	780	9
significa	251	96	285	108	590	780	9
que	287	96	303	108	590	780	9
existe	305	96	329	108	590	780	9
sobre	331	96	354	108	590	780	9
ajuste,	356	96	383	108	590	780	9
lo	385	96	393	108	590	780	9
que	395	96	411	108	590	780	9
no	413	96	423	108	590	780	9
ocurre	425	96	453	108	590	780	9
según	455	96	479	108	590	780	9
se	482	96	491	108	590	780	9
observa	493	96	525	108	590	780	9
en	528	96	538	108	590	780	9
Fig.	193	108	207	120	590	780	9
7b,	210	108	222	120	590	780	9
la	224	108	232	120	590	780	9
pérdida	234	108	266	120	590	780	9
se	268	108	277	120	590	780	9
mantiene	279	108	318	120	590	780	9
estable	320	108	350	120	590	780	9
a	352	108	357	120	590	780	9
medida	359	108	390	120	590	780	9
que	392	108	408	120	590	780	9
aumenta	410	108	446	120	590	780	9
el	448	108	456	120	590	780	9
número	458	108	490	120	590	780	9
de	492	108	502	120	590	780	9
épocas,	505	108	535	120	590	780	9
por	193	120	207	132	590	780	9
lo	209	120	217	132	590	780	9
tanto,	219	120	243	132	590	780	9
no	245	120	256	132	590	780	9
existe	258	120	282	132	590	780	9
sobre	284	120	307	132	590	780	9
ajuste.	310	120	336	132	590	780	9
Además	213	138	246	150	590	780	9
de	248	138	258	150	590	780	9
la	260	138	267	150	590	780	9
pérdida,	270	138	304	150	590	780	9
se	306	138	315	150	590	780	9
ha	317	138	327	150	590	780	9
graficado	329	138	368	150	590	780	9
la	370	138	377	150	590	780	9
precisión	379	138	418	150	590	780	9
para	420	138	439	150	590	780	9
las	441	138	452	150	590	780	9
imágenes	454	138	494	150	590	780	9
de	496	138	506	150	590	780	9
entrena-	508	138	543	150	590	780	9
miento	193	150	222	162	590	780	9
y	224	150	229	162	590	780	9
validación.	231	150	276	162	590	780	9
En	278	150	289	162	590	780	9
las	291	150	302	162	590	780	9
figuras	304	150	333	162	590	780	9
Fig.	335	150	350	162	590	780	9
7a	352	150	362	162	590	780	9
y	364	150	369	162	590	780	9
Fig.	371	150	386	162	590	780	9
8a	388	150	398	162	590	780	9
se	400	150	409	162	590	780	9
observan	411	150	450	162	590	780	9
las	452	150	463	162	590	780	9
curvas	465	150	493	162	590	780	9
de	495	150	505	162	590	780	9
precisión	507	150	545	162	590	780	9
en	193	162	203	174	590	780	9
entrenamiento	205	162	266	174	590	780	9
y	269	162	273	174	590	780	9
validación	276	162	318	174	590	780	9
tanto	320	162	342	174	590	780	9
para	344	162	363	174	590	780	9
VGG16/19	365	162	409	174	590	780	9
respectivamente,	411	162	481	174	590	780	9
las	483	162	495	174	590	780	9
curvas	497	162	524	174	590	780	9
de	526	162	536	174	590	780	9
precisión	193	174	231	186	590	780	9
en	233	174	243	186	590	780	9
validación	246	174	288	186	590	780	9
aumentan	290	174	332	186	590	780	9
hasta	334	174	356	186	590	780	9
la	358	174	366	186	590	780	9
época	368	174	392	186	590	780	9
10	394	174	405	186	590	780	9
aproximadamente,	407	174	485	186	590	780	9
y	487	174	492	186	590	780	9
seguido	494	174	526	186	590	780	9
a	193	186	197	198	590	780	9
esto	200	186	217	198	590	780	9
se	219	186	228	198	590	780	9
estabilizan	230	186	275	198	590	780	9
logrando	277	186	314	198	590	780	9
una	316	186	332	198	590	780	9
precisión	334	186	372	198	590	780	9
en	374	186	385	198	590	780	9
validación	387	186	429	198	590	780	9
de	431	186	441	198	590	780	9
0,9735	443	186	472	198	590	780	9
para	474	186	493	198	590	780	9
VGG16	495	186	523	198	590	780	9
y	526	186	530	198	590	780	9
0,9710	193	198	222	210	590	780	9
con	224	198	239	210	590	780	9
VGG19.	241	198	271	210	590	780	9
Figura	214	222	240	233	590	780	9
7.	242	222	249	233	590	780	9
Precisión(A)	253	222	297	233	590	780	9
alcanzada	299	222	336	233	590	780	9
y	338	222	342	233	590	780	9
pérdida(B)	344	222	383	233	590	780	9
del	385	222	397	233	590	780	9
modelo,	399	222	430	233	590	780	9
sobre	432	222	453	233	590	780	9
datos	454	222	475	233	590	780	9
de	477	222	487	233	590	780	9
entrena-	489	222	521	233	590	780	9
miento	214	234	241	245	590	780	9
(color	243	234	265	245	590	780	9
azul)	267	234	284	245	590	780	9
y	286	234	291	245	590	780	9
datos	292	234	313	245	590	780	9
de	315	234	325	245	590	780	9
validación	327	234	365	245	590	780	9
(color	367	234	388	245	590	780	9
naranja)	390	234	421	245	590	780	9
usando	423	234	451	245	590	780	9
VGG16	452	234	478	245	590	780	9
Figura	214	405	240	416	590	780	9
8.	242	405	249	416	590	780	9
Precisión(a)	253	406	296	416	590	780	9
alcanzada	298	406	335	416	590	780	9
y	337	406	341	416	590	780	9
pérdida(b)	343	406	383	416	590	780	9
del	385	406	396	416	590	780	9
modelo,	398	406	429	416	590	780	9
sobre	431	406	452	416	590	780	9
datos	454	406	474	416	590	780	9
de	476	406	486	416	590	780	9
entrena-	488	406	520	416	590	780	9
miento	214	418	241	428	590	780	9
(color	243	418	265	428	590	780	9
azul)	267	418	284	428	590	780	9
y	286	418	291	428	590	780	9
datos	292	418	313	428	590	780	9
de	315	418	325	428	590	780	9
validación	327	418	365	428	590	780	9
(color	367	418	388	428	590	780	9
naranja)	390	418	421	428	590	780	9
usando	423	418	451	428	590	780	9
VGG19	452	418	478	428	590	780	9
La	213	595	223	607	590	780	9
precisión	225	595	263	607	590	780	9
en	265	595	275	607	590	780	9
validación	277	595	320	607	590	780	9
para	322	595	341	607	590	780	9
la	343	595	350	607	590	780	9
VGG16	352	595	381	607	590	780	9
es	383	595	392	607	590	780	9
mayor	394	595	420	607	590	780	9
que	422	595	438	607	590	780	9
la	440	595	447	607	590	780	9
de	449	595	459	607	590	780	9
la	462	595	469	607	590	780	9
VGG19,	471	595	501	607	590	780	9
como	503	595	526	607	590	780	9
se	528	595	537	607	590	780	9
muestra	193	607	227	619	590	780	9
en	229	607	239	619	590	780	9
las	241	607	253	619	590	780	9
figuras	255	607	284	619	590	780	9
Fig.	286	607	300	619	590	780	9
7a	303	607	313	619	590	780	9
y	315	607	320	619	590	780	9
Fig.	322	607	336	619	590	780	9
8a,	339	607	351	619	590	780	9
debido	353	607	381	619	590	780	9
a	384	607	388	619	590	780	9
que	390	607	406	619	590	780	9
estas	408	607	429	619	590	780	9
hacen	431	607	456	619	590	780	9
parte	458	607	480	619	590	780	9
de	482	607	492	619	590	780	9
la	494	607	502	619	590	780	9
misma	504	607	532	619	590	780	9
fa-	534	607	545	619	590	780	9
milia	193	619	214	631	590	780	9
[7][8],	216	619	242	631	590	780	9
la	244	619	252	631	590	780	9
diferencia	254	619	295	631	590	780	9
significativa	297	619	347	631	590	780	9
es	349	619	358	631	590	780	9
que	360	619	375	631	590	780	9
la	377	619	385	631	590	780	9
VGG16	387	619	415	631	590	780	9
mantiene	417	619	456	631	590	780	9
una	458	619	474	631	590	780	9
pérdida	476	619	508	631	590	780	9
estable	510	619	540	631	590	780	9
(Fig.	193	631	211	643	590	780	9
7b).	213	631	230	643	590	780	9
Universidad	49	730	94	741	590	780	9
EIA	96	730	108	741	590	780	9
/	110	730	113	741	590	780	9
Rev.EIA.Univ.EIA	115	730	175	741	590	780	9
9	542	734	549	749	590	780	9
Clasificación	66	40	113	51	590	780	10
de	114	40	124	51	590	780	10
cáncer	126	40	151	51	590	780	10
cervical	152	40	182	51	590	780	10
usando	183	40	211	51	590	780	10
redes	213	40	234	51	590	780	10
neuronales	235	40	278	51	590	780	10
convolucionales,	279	40	341	51	590	780	10
transferencia	343	40	393	51	590	780	10
de	395	40	404	51	590	780	10
aprendizaje	406	40	450	51	590	780	10
y	452	40	456	51	590	780	10
aumento	458	40	492	51	590	780	10
de	493	40	503	51	590	780	10
datos	505	40	525	51	590	780	10
IV.	187	70	200	87	590	780	10
Conclusión	203	70	264	87	590	780	10
La	187	103	197	115	590	780	10
arquitectura	199	103	251	115	590	780	10
propuesta	253	103	295	115	590	780	10
alcanza	297	103	328	115	590	780	10
precisiones	330	103	377	115	590	780	10
hasta	379	103	402	115	590	780	10
del	404	103	417	115	590	780	10
97,35%	419	103	453	116	590	780	10
en	456	103	466	115	590	780	10
la	468	103	475	115	590	780	10
clasificación	477	103	528	115	590	780	10
de	530	103	540	115	590	780	10
cáncer	187	115	215	127	590	780	10
cervical	217	115	249	127	590	780	10
(leve	251	115	271	127	590	780	10
y	274	115	278	127	590	780	10
agresivo)	281	115	319	127	590	780	10
utilizando	321	115	363	127	590	780	10
segmentación	365	115	422	127	590	780	10
semiautomática,	425	115	492	127	590	780	10
aumento	495	115	531	127	590	780	10
de	187	127	197	139	590	780	10
datos	199	127	222	139	590	780	10
y	224	127	229	139	590	780	10
TL	231	127	242	139	590	780	10
a	244	127	249	139	590	780	10
partir	251	127	275	139	590	780	10
de	277	127	287	139	590	780	10
la	290	127	297	139	590	780	10
VGG16/19.	299	127	345	139	590	780	10
La	347	127	357	139	590	780	10
diferencia	359	127	400	139	590	780	10
en	402	127	413	139	590	780	10
los	415	127	427	139	590	780	10
resultados	429	127	472	139	590	780	10
entre	474	127	496	139	590	780	10
estas	499	127	520	139	590	780	10
dos	522	127	537	139	590	780	10
CNNs	187	139	210	151	590	780	10
es	212	139	221	151	590	780	10
el	223	139	230	151	590	780	10
sobre	233	139	256	151	590	780	10
ajuste.	258	139	285	151	590	780	10
La	287	139	297	151	590	780	10
VGG16	299	139	327	151	590	780	10
obtiene	329	139	361	151	590	780	10
97,35%	363	139	395	151	590	780	10
de	397	139	407	151	590	780	10
precisión	409	139	448	151	590	780	10
en	450	139	460	151	590	780	10
validación	462	139	504	151	590	780	10
con	507	139	521	151	590	780	10
pérdida	187	151	219	163	590	780	10
estable	221	151	251	163	590	780	10
ver	253	151	267	163	590	780	10
Fig.	269	151	283	163	590	780	10
7,	286	151	293	163	590	780	10
mientras	295	151	332	163	590	780	10
la	334	151	341	163	590	780	10
VGG19	344	151	372	163	590	780	10
obtiene	374	151	405	163	590	780	10
97,10%	407	151	439	163	590	780	10
de	442	151	452	163	590	780	10
precisión	454	151	492	163	590	780	10
en	494	151	505	163	590	780	10
valida-	507	151	535	163	590	780	10
ción	187	163	205	175	590	780	10
con	207	163	222	175	590	780	10
pérdida	224	163	256	175	590	780	10
creciente	258	163	296	175	590	780	10
ver	298	163	312	175	590	780	10
Fig.	314	163	328	175	590	780	10
8.	331	163	338	175	590	780	10
Teniendo	340	163	379	175	590	780	10
en	381	163	391	175	590	780	10
cuenta	393	163	421	175	590	780	10
lo	423	163	431	175	590	780	10
anterior,	433	163	468	175	590	780	10
se	470	163	479	175	590	780	10
observó	481	163	514	175	590	780	10
que,	516	163	534	175	590	780	10
haciendo	187	175	225	187	590	780	10
una	227	175	242	187	590	780	10
correcta	245	175	279	187	590	780	10
segmentación	281	175	339	187	590	780	10
de	341	175	351	187	590	780	10
las	353	175	364	187	590	780	10
imágenes,	367	175	408	187	590	780	10
un	410	175	421	187	590	780	10
buen	423	175	444	187	590	780	10
balance	446	175	478	187	590	780	10
de	480	175	490	187	590	780	10
clases	492	175	517	187	590	780	10
(au-	519	175	536	187	590	780	10
mentó	187	187	214	199	590	780	10
de	216	187	226	199	590	780	10
datos)	228	187	254	199	590	780	10
y	257	187	261	199	590	780	10
TL	264	187	274	199	590	780	10
sobre	277	187	300	199	590	780	10
la	302	187	309	199	590	780	10
extracción	311	187	354	199	590	780	10
de	357	187	367	199	590	780	10
características	369	187	429	199	590	780	10
se	431	187	440	199	590	780	10
obtienen	442	187	479	199	590	780	10
porcentajes	481	187	529	199	590	780	10
que	187	199	202	211	590	780	10
ayudan	205	199	235	211	590	780	10
a	237	199	242	211	590	780	10
tener	244	199	266	211	590	780	10
un	268	199	279	211	590	780	10
diagnóstico	281	199	329	211	590	780	10
más	331	199	348	211	590	780	10
preciso	350	199	380	211	590	780	10
en	382	199	393	211	590	780	10
la	395	199	402	211	590	780	10
clasificación	404	199	455	211	590	780	10
del	457	199	470	211	590	780	10
cáncer	472	199	499	211	590	780	10
cervical.	502	199	536	211	590	780	10
Trabajo	187	224	230	240	590	780	10
a	233	224	239	240	590	780	10
futuro:	242	224	280	240	590	780	10
Se	187	251	197	263	590	780	10
desea	199	251	223	263	590	780	10
crear	225	251	246	263	590	780	10
una	248	251	264	263	590	780	10
herramienta	266	251	318	263	590	780	10
computacional	320	251	381	263	590	780	10
de	383	251	393	263	590	780	10
libre	395	251	415	263	590	780	10
acceso	417	251	444	263	590	780	10
que	446	251	462	263	590	780	10
permita	464	251	497	263	590	780	10
clasificar	499	251	536	263	590	780	10
los	187	263	199	275	590	780	10
tipos	201	263	222	275	590	780	10
de	224	263	234	275	590	780	10
cáncer	236	263	264	275	590	780	10
cervical	266	263	298	275	590	780	10
(tipo	300	263	320	275	590	780	10
1,	323	263	330	275	590	780	10
tipo	332	263	349	275	590	780	10
2	351	263	356	275	590	780	10
y	358	263	363	275	590	780	10
tipo	365	263	382	275	590	780	10
3	384	263	389	275	590	780	10
independientemente)	391	263	481	275	590	780	10
para	483	263	502	275	590	780	10
ayudar	504	263	533	275	590	780	10
en	187	275	197	287	590	780	10
la	199	275	207	287	590	780	10
precisión	209	275	247	287	590	780	10
del	249	275	262	287	590	780	10
diagnóstico	264	275	312	287	590	780	10
generado	314	275	353	287	590	780	10
por	355	275	370	287	590	780	10
los	372	275	384	287	590	780	10
ginecólogos.	386	275	437	287	590	780	10
Liberar	207	293	237	305	590	780	10
un	240	293	250	305	590	780	10
repositorio	252	293	299	305	590	780	10
de	301	293	311	305	590	780	10
imágenes	313	293	352	305	590	780	10
segmentadas	355	293	409	305	590	780	10
y	411	293	416	305	590	780	10
etiquetadas	418	293	466	305	590	780	10
con	468	293	483	305	590	780	10
los	485	293	497	305	590	780	10
3	500	293	505	305	590	780	10
tipos	507	293	528	305	590	780	10
de	530	293	540	305	590	780	10
cáncer	187	305	215	317	590	780	10
para	217	305	235	317	590	780	10
generar	238	305	270	317	590	780	10
una	272	305	287	317	590	780	10
línea	290	305	310	317	590	780	10
base	312	305	331	317	590	780	10
de	333	305	343	317	590	780	10
conocimiento	345	305	401	317	590	780	10
en	404	305	414	317	590	780	10
este	416	305	433	317	590	780	10
tipo	435	305	451	317	590	780	10
de	453	305	464	317	590	780	10
problemas.	466	305	512	317	590	780	10
Agradecimientos:	187	330	284	346	590	780	10
Los	187	357	202	369	590	780	10
investigadores	204	357	264	369	590	780	10
agradecen	266	357	309	369	590	780	10
a	311	357	316	369	590	780	10
la	318	357	325	369	590	780	10
Universidad	327	357	377	369	590	780	10
Autónoma	379	357	422	369	590	780	10
de	425	357	435	369	590	780	10
Manizales	437	357	478	369	590	780	10
por	480	357	495	369	590	780	10
brindar	497	357	529	369	590	780	10
las	187	369	199	381	590	780	10
herramientas	201	369	257	381	590	780	10
computacionales	259	369	329	381	590	780	10
y	331	369	336	381	590	780	10
el	338	369	345	381	590	780	10
presupuesto	347	369	399	381	590	780	10
para	401	369	420	381	590	780	10
desarrollar	422	369	468	381	590	780	10
esta	470	369	487	381	590	780	10
investiga-	489	369	529	381	590	780	10
ción	187	381	205	393	590	780	10
enmarcado	207	381	253	393	590	780	10
en	255	381	265	393	590	780	10
el	268	381	275	393	590	780	10
proyecto	277	381	313	393	590	780	10
con	315	381	330	393	590	780	10
código	332	381	360	393	590	780	10
589-089.	362	381	400	393	590	780	10
Agradecimiento	207	399	273	411	590	780	10
al	275	399	282	411	590	780	10
semillero	284	399	323	411	590	780	10
de	325	399	335	411	590	780	10
investigación	337	399	392	411	590	780	10
en	394	399	404	411	590	780	10
bioinformática	406	399	467	411	590	780	10
e	469	399	474	411	590	780	10
inteligencia	476	399	524	411	590	780	10
artificial,	187	411	224	423	590	780	10
el	226	411	233	423	590	780	10
cual	235	411	252	423	590	780	10
proporcionó	255	411	306	423	590	780	10
los	308	411	320	423	590	780	10
conocimientos	322	411	383	423	590	780	10
necesarios	385	411	429	423	590	780	10
para	431	411	450	423	590	780	10
obtener	452	411	484	423	590	780	10
los	487	411	499	423	590	780	10
resulta-	501	411	533	423	590	780	10
dos	187	423	202	435	590	780	10
de	204	423	214	435	590	780	10
esta	216	423	233	435	590	780	10
publicación.	235	423	285	435	590	780	10
Referencias	187	461	252	478	590	780	10
McGuire	187	490	219	501	590	780	10
S.	221	490	228	501	590	780	10
World	230	490	253	501	590	780	10
cancer	255	490	281	501	590	780	10
report	283	490	307	501	590	780	10
2014.	309	490	331	501	590	780	10
Geneva,	333	490	363	501	590	780	10
Switzerland:	365	490	413	501	590	780	10
World	415	490	439	501	590	780	10
Health	441	490	466	501	590	780	10
Organization,	468	490	520	501	590	780	10
international	206	501	256	512	590	780	10
agency	258	501	284	512	590	780	10
for	286	501	298	512	590	780	10
research	300	501	333	512	590	780	10
on	335	501	344	512	590	780	10
cancer,	346	501	373	512	590	780	10
WHO	375	501	395	512	590	780	10
Press,	397	501	420	512	590	780	10
2015.	422	501	444	512	590	780	10
Advances	446	501	482	512	590	780	10
in	484	501	491	512	590	780	10
Nutrition:	493	501	532	512	590	780	10
An	206	512	216	523	590	780	10
International	218	512	269	523	590	780	10
Review	271	512	299	523	590	780	10
Journal,	301	512	331	523	590	780	10
7,	333	512	340	523	590	780	10
418-419,	342	512	376	523	590	780	10
2016.	378	512	400	523	590	780	10
Akshaya	187	525	219	536	590	780	10
R.,	221	525	230	536	590	780	10
Manie	232	525	256	536	590	780	10
R.,	258	525	267	536	590	780	10
Monisha	269	525	302	536	590	780	10
B.,	304	525	313	536	590	780	10
Ranichadra	315	525	359	536	590	780	10
V.	361	525	367	536	590	780	10
Convolutional	369	525	423	536	590	780	10
Neural	425	525	451	536	590	780	10
Networks	453	525	490	536	590	780	10
Aiding	492	525	517	536	590	780	10
Col-	519	525	534	536	590	780	10
poscopy	206	536	237	547	590	780	10
Image	239	536	263	547	590	780	10
Classification.	265	536	318	547	590	780	10
International	320	536	370	547	590	780	10
Journal	372	536	400	547	590	780	10
of	402	536	410	547	590	780	10
Trend	412	536	435	547	590	780	10
in	437	536	445	547	590	780	10
Research	446	536	481	547	590	780	10
and	483	536	498	547	590	780	10
develop-	500	536	533	547	590	780	10
ment,	206	547	227	558	590	780	10
5,	229	547	236	558	590	780	10
270-274,	238	547	273	558	590	780	10
2018.	275	547	297	558	590	780	10
Almonte	187	560	220	571	590	780	10
M.,	222	560	233	571	590	780	10
Sánchez	235	560	266	571	590	780	10
G.I.,	268	560	282	571	590	780	10
Jerónimo	284	560	319	571	590	780	10
J.,	321	560	328	571	590	780	10
Ferreción	330	560	367	571	590	780	10
C.,	369	560	377	571	590	780	10
Lazcano	379	560	411	571	590	780	10
E.,	413	560	422	571	590	780	10
Herrera	424	560	454	571	590	780	10
R.	456	560	463	571	590	780	10
Nuevos	465	560	494	571	590	780	10
Paradigmas	496	560	541	571	590	780	10
en	206	571	215	582	590	780	10
la	217	571	224	582	590	780	10
Prevención	226	571	269	582	590	780	10
y	271	571	275	582	590	780	10
Control	277	571	306	582	590	780	10
de	308	571	317	582	590	780	10
Cáncer	319	571	346	582	590	780	10
de	348	571	357	582	590	780	10
Cuello	359	571	383	582	590	780	10
Uterino	385	571	414	582	590	780	10
en	416	571	426	582	590	780	10
América	428	571	460	582	590	780	10
Latina.	462	571	488	582	590	780	10
Salud	490	571	511	582	590	780	10
Pública	513	571	541	582	590	780	10
de	206	582	215	593	590	780	10
México,	217	582	246	593	590	780	10
52,	248	582	260	593	590	780	10
No	262	582	273	593	590	780	10
6,	275	582	281	593	590	780	10
2010.	283	582	305	593	590	780	10
Lorena	187	596	214	607	590	780	10
M.,	216	596	227	607	590	780	10
Villate	229	596	254	607	590	780	10
S.,	256	596	264	607	590	780	10
Jiménez	266	596	296	607	590	780	10
D.,	298	596	308	607	590	780	10
Conduct	310	596	342	607	590	780	10
in	344	596	351	607	590	780	10
regard	353	596	378	607	590	780	10
to	380	596	388	607	590	780	10
the	390	596	403	607	590	780	10
papanicolaou	405	596	456	607	590	780	10
test:	458	596	475	607	590	780	10
The	477	596	492	607	590	780	10
voice	493	596	513	607	590	780	10
of	515	596	523	607	590	780	10
the	525	596	537	607	590	780	10
patients	206	606	237	617	590	780	10
in	239	606	246	617	590	780	10
face	248	606	264	617	590	780	10
of	266	606	273	617	590	780	10
abnormal	275	606	312	617	590	780	10
growth	314	606	342	617	590	780	10
in	344	606	352	617	590	780	10
the	353	606	366	617	590	780	10
cervix,	368	606	393	617	590	780	10
Revista	395	606	423	617	590	780	10
Colombiana	425	606	471	617	590	780	10
de	473	606	482	617	590	780	10
Enfermería,	484	606	530	617	590	780	10
Vol.	206	617	219	628	590	780	10
18,	221	617	233	628	590	780	10
páginas	235	617	265	628	590	780	10
1-13,	267	617	287	628	590	780	10
2019	289	617	308	628	590	780	10
Kaur	187	631	206	642	590	780	10
N.,	208	631	218	642	590	780	10
Panagrahi	219	631	258	642	590	780	10
N.,	260	631	270	642	590	780	10
Mittal	272	631	295	642	590	780	10
A.	296	631	304	642	590	780	10
Automated	306	631	348	642	590	780	10
Cervical	350	631	381	642	590	780	10
Cancer	383	631	410	642	590	780	10
Screening	412	631	450	642	590	780	10
Using	452	631	473	642	590	780	10
Transfer	475	631	508	642	590	780	10
Lear-	510	631	530	642	590	780	10
ning.	206	642	224	653	590	780	10
International	226	642	277	653	590	780	10
Journal	279	642	307	653	590	780	10
Of	309	642	318	653	590	780	10
Advanced	320	642	357	653	590	780	10
Research	359	642	394	653	590	780	10
in	396	642	404	653	590	780	10
Science	406	642	434	653	590	780	10
and	436	642	451	653	590	780	10
Engineering,	453	642	501	653	590	780	10
6,	503	642	510	653	590	780	10
2110-	512	642	535	653	590	780	10
2119,	206	652	227	664	590	780	10
2017.	229	652	251	664	590	780	10
Intel	187	666	205	677	590	780	10
&	207	666	213	677	590	780	10
MobileODT,	215	666	259	677	590	780	10
Cervical	261	666	292	677	590	780	10
Cancer	294	666	321	677	590	780	10
Screening,	323	666	362	677	590	780	10
2017,	364	666	386	677	590	780	10
[Online].	388	666	422	677	590	780	10
Available:	424	666	461	677	590	780	10
https://www.	463	666	516	677	590	780	10
kaggle.com/c/intel-mobileodt-cervical-cancer-screening/data	206	677	444	688	590	780	10
10	42	733	55	748	590	780	10
https://doi.org/10.24050/reia.v18i35.1462	400	732	539	741	590	780	10
Mario	53	40	76	51	590	780	11
Alejandro	78	40	115	51	590	780	11
Bravo	117	40	140	51	590	780	11
Ortíz,	142	40	163	51	590	780	11
Harold	165	40	191	51	590	780	11
Brayan	193	40	220	51	590	780	11
Arteaga	222	40	252	51	590	780	11
Arteaga,	254	40	286	51	590	780	11
Reinel	288	40	312	51	590	780	11
Tabares	314	40	344	51	590	780	11
Soto,	346	40	365	51	590	780	11
Jorge	367	40	387	51	590	780	11
Iván	389	40	406	51	590	780	11
Padilla	408	40	434	51	590	780	11
Buriticá,	436	40	468	51	590	780	11
Simón	470	40	494	51	590	780	11
Orozco-Arias	496	40	546	51	590	780	11
Simonyan	192	72	230	83	590	780	11
K.,	232	72	241	83	590	780	11
Zisserman	243	72	283	83	590	780	11
A.	285	72	292	83	590	780	11
Very	294	72	312	83	590	780	11
Deep	314	72	334	83	590	780	11
Convolutional	336	72	389	83	590	780	11
Networks	391	72	428	83	590	780	11
for	430	72	442	83	590	780	11
Large	444	72	465	83	590	780	11
Scale	467	72	487	83	590	780	11
Image	489	72	512	83	590	780	11
Recog-	514	72	540	83	590	780	11
nition.	210	83	235	94	590	780	11
Published	237	83	275	94	590	780	11
as	277	83	285	94	590	780	11
a	287	83	292	94	590	780	11
conference	294	83	336	94	590	780	11
paper	338	83	360	94	590	780	11
at	362	83	370	94	590	780	11
ICLR	372	83	390	94	590	780	11
2015.	392	83	414	94	590	780	11
San	416	83	430	94	590	780	11
Diego,	432	83	456	94	590	780	11
California,	458	83	497	94	590	780	11
Estados	499	83	529	94	590	780	11
Unidos,	210	94	239	105	590	780	11
abril,	241	94	261	105	590	780	11
2015.	263	94	285	105	590	780	11
Park	192	107	210	118	590	780	11
Chansung,	212	107	251	118	590	780	11
Transfer	253	107	286	118	590	780	11
Learning	288	107	322	118	590	780	11
in	324	107	332	118	590	780	11
Tensorflow	334	107	377	118	590	780	11
(VGG19	379	107	408	118	590	780	11
on	410	107	420	118	590	780	11
CIFAR-10):	422	107	464	118	590	780	11
Part	466	107	482	118	590	780	11
1,	484	107	491	118	590	780	11
2018,	493	107	515	118	590	780	11
10	517	107	527	118	590	780	11
Octubre	210	118	241	129	590	780	11
2019,	243	118	265	129	590	780	11
[Online].	267	118	300	129	590	780	11
Available:	302	118	340	129	590	780	11
https://towardsdatascience.com/transfer-learning-	342	118	540	129	590	780	11
in-tensorflow-9e4f7eae3bb4	210	129	321	140	590	780	11
Stanford	192	143	225	154	590	780	11
University,	227	143	267	154	590	780	11
Princeton	269	143	307	154	590	780	11
University,	309	143	350	154	590	780	11
ImageNet,	352	143	391	154	590	780	11
2016,	393	143	414	154	590	780	11
10	416	143	426	154	590	780	11
Octubre	428	143	459	154	590	780	11
2019,	461	143	483	154	590	780	11
[Online].	485	143	518	154	590	780	11
Availa-	520	143	547	154	590	780	11
ble:	210	153	224	164	590	780	11
http://www.image-net.org/	226	153	334	164	590	780	11
Zhang	192	167	215	178	590	780	11
XQ,	217	167	230	178	590	780	11
Zhao	232	167	251	178	590	780	11
S-G,	253	167	268	178	590	780	11
Cervical	270	167	301	178	590	780	11
image	303	167	326	178	590	780	11
classification	328	167	378	178	590	780	11
based	380	167	402	178	590	780	11
on	404	167	414	178	590	780	11
image	416	167	439	178	590	780	11
segmentation	441	167	494	178	590	780	11
preproces-	496	167	537	178	590	780	11
sing	210	178	226	189	590	780	11
and	228	178	242	189	590	780	11
a	244	178	249	189	590	780	11
CapsNet	251	178	283	189	590	780	11
network	285	178	317	189	590	780	11
model,	319	178	345	189	590	780	11
Wiley,	347	178	370	189	590	780	11
páginas	372	178	402	189	590	780	11
19-28,	404	178	429	189	590	780	11
2019	431	178	451	189	590	780	11
,	453	178	454	189	590	780	11
[Online].	456	178	490	189	590	780	11
Available:	492	178	529	189	590	780	11
https://doi.org/10.1002/ima.22291	210	189	350	200	590	780	11
Fernandes	192	202	232	213	590	780	11
K.,	234	202	243	213	590	780	11
Cardoso	245	202	277	213	590	780	11
J.,	279	202	285	213	590	780	11
Fernandes	287	202	328	213	590	780	11
J.,	330	202	336	213	590	780	11
Automated	338	202	380	213	590	780	11
Methods	382	202	416	213	590	780	11
for	418	202	429	213	590	780	11
the	431	202	443	213	590	780	11
Decision	445	202	478	213	590	780	11
Support	480	202	511	213	590	780	11
of	513	202	521	213	590	780	11
Cer-	523	202	539	213	590	780	11
vical	210	213	228	224	590	780	11
Cancer	230	213	257	224	590	780	11
Screening	259	213	296	224	590	780	11
Using	298	213	320	224	590	780	11
Digital	322	213	347	224	590	780	11
Colposcopies,	349	213	402	224	590	780	11
IEEE	404	213	422	224	590	780	11
Xplore,	424	213	451	224	590	780	11
Vol.	453	213	467	224	590	780	11
6,	469	213	476	224	590	780	11
páginas	478	213	507	224	590	780	11
33910-	509	213	537	224	590	780	11
33927,	210	224	237	235	590	780	11
2018,	239	224	261	235	590	780	11
[Online].	263	224	296	235	590	780	11
Available:	298	224	336	235	590	780	11
https://ieeexplore.ieee.org/document/8362613	338	224	523	235	590	780	11
Vasudha,	192	238	226	249	590	780	11
Mittal	228	238	251	249	590	780	11
A.,	253	238	262	249	590	780	11
Juneja	264	238	288	249	590	780	11
M.,	290	238	301	249	590	780	11
Cervix	303	238	328	249	590	780	11
Cancer	330	238	356	249	590	780	11
Classification	358	238	409	249	590	780	11
using	411	238	432	249	590	780	11
Colposcopy	434	238	478	249	590	780	11
Images	480	238	508	249	590	780	11
by	510	238	519	249	590	780	11
Deep	521	238	541	249	590	780	11
Learning	210	248	245	259	590	780	11
Method,	247	248	278	259	590	780	11
IJETSR,	280	248	308	259	590	780	11
Vol.	310	248	324	259	590	780	11
5,	326	248	333	259	590	780	11
páginas	335	248	364	259	590	780	11
426-432,	366	248	401	259	590	780	11
2018,	403	248	425	259	590	780	11
[Online].	427	248	460	259	590	780	11
Available:	462	248	500	259	590	780	11
https://	502	248	533	259	590	780	11
pdfs.semanticscholar.org/f099/0cd17037129f7a55fcdf279ea6e9d613e8fe.pdf	210	259	512	270	590	780	11
Caraiman	192	273	229	284	590	780	11
S.,	231	273	239	284	590	780	11
Vasile	241	273	263	284	590	780	11
I.,	265	273	272	284	590	780	11
Histogram-based	274	273	340	284	590	780	11
segmentation	342	273	394	284	590	780	11
of	396	273	403	284	590	780	11
quantum	405	273	440	284	590	780	11
images,	442	273	471	284	590	780	11
ELSEVIER,	473	273	514	284	590	780	11
Vol.	516	273	530	284	590	780	11
529,	210	284	227	295	590	780	11
páginas	229	284	259	295	590	780	11
46-60,	261	284	285	295	590	780	11
2014,	287	284	309	295	590	780	11
[Online].	311	284	345	295	590	780	11
Available:	347	284	384	295	590	780	11
https://www.sciencedirect.com/science/	386	284	545	295	590	780	11
article/pii/S0304397513005835	210	294	338	305	590	780	11
Adrian	194	308	220	319	590	780	11
Rosebrock,	222	308	264	319	590	780	11
pyimagesearch,	266	308	326	319	590	780	11
Keras	328	308	350	319	590	780	11
ImageDataGenerator	352	308	432	319	590	780	11
and	434	308	448	319	590	780	11
Data	450	308	468	319	590	780	11
Augmentation(Julio	470	308	546	319	590	780	11
8,	210	319	217	330	590	780	11
2019),	219	319	244	330	590	780	11
consultado	246	319	289	330	590	780	11
por	290	319	304	330	590	780	11
última	306	319	331	330	590	780	11
vez	333	319	346	330	590	780	11
el	348	319	354	330	590	780	11
10	356	319	366	330	590	780	11
de	368	319	378	330	590	780	11
octubre	380	319	409	330	590	780	11
del	411	319	423	330	590	780	11
2019	425	319	445	330	590	780	11
en:	447	319	459	330	590	780	11
https://www.pyima-	461	319	541	330	590	780	11
gesearch.com/2019/07/08/keras-imagedatagenerator-and-data-augmentation/?utm_	210	330	542	341	590	780	11
source=facebook&utm_medium=ad-08-07-2019&utm_campaign=8+July+2019+BP+-	210	340	536	351	590	780	11
+Traffic&utm_content=Default+name+-+Traffic&fbid_campaign=6116019415846&fbid_	210	351	547	362	590	780	11
adset=6116019416246&utm_adset=1+July+2019+BP+-+All+Visitors+90+Days+-	210	362	521	373	590	780	11
+Worldwide+-+18%2B&fbid_ad=6116019417246	210	373	403	384	590	780	11
Mikolajczyk	192	386	237	397	590	780	11
A.	239	386	247	397	590	780	11
Grochowski	249	386	294	397	590	780	11
M,	296	386	306	397	590	780	11
Data	308	386	325	397	590	780	11
augmentation	327	386	381	397	590	780	11
for	383	386	394	397	590	780	11
improving	396	386	436	397	590	780	11
deep	438	386	456	397	590	780	11
learning	458	386	490	397	590	780	11
in	492	386	500	397	590	780	11
image	502	386	525	397	590	780	11
classification	210	397	260	408	590	780	11
problem,	262	397	297	408	590	780	11
IEEE	299	397	317	408	590	780	11
Xplore,	319	397	346	408	590	780	11
Poland,	348	397	377	408	590	780	11
2018,	379	397	400	408	590	780	11
21	402	397	412	408	590	780	11
Junio	414	397	434	408	590	780	11
2018,	436	397	458	408	590	780	11
[Online].	460	397	493	408	590	780	11
Available:	495	397	533	408	590	780	11
https://ieeexplore.ieee.org/document/8388338	210	408	396	419	590	780	11
Intel	192	422	210	433	590	780	11
&	212	422	218	433	590	780	11
MobileODT,	220	422	264	433	590	780	11
Cervical	266	422	297	433	590	780	11
Cancer	299	422	326	433	590	780	11
Screening,	327	422	367	433	590	780	11
2017,	369	422	391	433	590	780	11
[Online].	393	422	426	433	590	780	11
Available:	428	422	466	433	590	780	11
https://www.ka-	468	422	533	433	590	780	11
ggle.com/c/intel-mobileodt-cervical-cancer-screening	210	432	418	444	590	780	11
Tiago	192	446	213	457	590	780	11
S.	215	446	222	457	590	780	11
Nazar´e,	224	446	255	457	590	780	11
Gabriel	257	446	285	457	590	780	11
B.	287	446	294	457	590	780	11
Paranhos	296	446	332	457	590	780	11
da	334	446	344	457	590	780	11
Costa,	346	446	369	457	590	780	11
Welinton	370	446	405	457	590	780	11
A.	407	446	415	457	590	780	11
Contato,	417	446	449	457	590	780	11
and	451	446	465	457	590	780	11
Moacir	467	446	494	457	590	780	11
Ponti,	496	446	518	457	590	780	11
Deep	520	446	540	457	590	780	11
Convolutional	210	457	264	468	590	780	11
Neural	266	457	292	468	590	780	11
Networks	294	457	331	468	590	780	11
and	333	457	347	468	590	780	11
Noisy	349	457	371	468	590	780	11
Images,	373	457	402	468	590	780	11
ResearchGate,	404	457	458	468	590	780	11
paginas	460	457	490	468	590	780	11
416-424,	492	457	527	468	590	780	11
2018,	210	468	232	479	590	780	11
[Online].	234	468	267	479	590	780	11
Available:	269	468	307	479	590	780	11
https://www.researchgate.net/publication/322915518_	309	468	526	479	590	780	11
Deep_Convolutional_Neural_Networks_and_Noisy_Images	210	478	430	490	590	780	11
Nawal	192	492	216	503	590	780	11
M.	218	492	227	503	590	780	11
Nour,	229	492	250	503	590	780	11
Cervical	252	492	283	503	590	780	11
Cancer:	285	492	313	503	590	780	11
A	315	492	321	503	590	780	11
Preventable	323	492	369	503	590	780	11
Death,	371	492	396	503	590	780	11
Obstet	398	492	423	503	590	780	11
Gynecol,	425	492	457	503	590	780	11
Vol.	459	492	473	503	590	780	11
2,	475	492	482	503	590	780	11
páginas	484	492	513	503	590	780	11
240-244,	210	503	245	514	590	780	11
2009,	247	503	269	514	590	780	11
[Online].	271	503	304	514	590	780	11
Available:	306	503	344	514	590	780	11
https://www.ncbi.nlm.nih.gov/pmc/articles/	346	503	520	514	590	780	11
PMC2812875/	210	514	267	525	590	780	11
Ayan	192	527	211	538	590	780	11
E,	213	527	220	538	590	780	11
H.	222	527	230	538	590	780	11
Muray	232	527	256	538	590	780	11
Ü,	258	527	266	538	590	780	11
Data	268	527	286	538	590	780	11
augmentation	288	527	341	538	590	780	11
importance	343	527	387	538	590	780	11
for	389	527	401	538	590	780	11
classification	403	527	452	538	590	780	11
of	454	527	462	538	590	780	11
skin	464	527	480	538	590	780	11
lesions	482	527	509	538	590	780	11
via	511	527	522	538	590	780	11
deep	524	527	543	538	590	780	11
learning,	210	538	244	549	590	780	11
IEEE	246	538	264	549	590	780	11
Xplore,	266	538	294	549	590	780	11
páginas	296	538	325	549	590	780	11
1-5,	327	538	342	549	590	780	11
2019,	344	538	366	549	590	780	11
[Online].	368	538	401	549	590	780	11
Available:	403	538	441	549	590	780	11
https://ieeexplore.ieee.	442	538	533	549	590	780	11
org/document/8391469/citations?tabFilter=papers#citations	210	549	450	560	590	780	11
Keras	192	563	213	574	590	780	11
Documentation,	215	563	277	574	590	780	11
Keras,	279	563	302	574	590	780	11
[Online].	304	563	338	574	590	780	11
Available:	340	563	377	574	590	780	11
https://keras.io/why-use-keras/	379	563	505	574	590	780	11
TensorFlow	192	576	237	587	590	780	11
Core	239	576	257	587	590	780	11
r1.14,	259	576	281	587	590	780	11
Tensorflow,	283	576	328	587	590	780	11
[Online].	330	576	363	587	590	780	11
Available:	365	576	403	587	590	780	11
https://www.tensorflow.org/ver-	405	576	533	587	590	780	11
sions/r1.14/api_docs/python/tf	210	587	334	598	590	780	11
Krizhevsky	192	601	235	612	590	780	11
A.,	237	601	246	612	590	780	11
Sutskever	248	601	286	612	590	780	11
I.,	288	601	294	612	590	780	11
Hinton	296	601	323	612	590	780	11
G.E.	325	601	339	612	590	780	11
ImageNet	341	601	378	612	590	780	11
Classification	380	601	431	612	590	780	11
with	433	601	451	612	590	780	11
Deep	453	601	472	612	590	780	11
Convolutional	474	601	528	612	590	780	11
Neural	210	611	236	623	590	780	11
Networks.	238	611	277	623	590	780	11
In	279	611	287	623	590	780	11
NIPS,	289	611	310	623	590	780	11
2012.	312	611	333	623	590	780	11
Abien	192	625	214	636	590	780	11
Fred	216	625	234	636	590	780	11
M.	236	625	245	636	590	780	11
Agarap,	247	625	276	636	590	780	11
Cornell	278	625	306	636	590	780	11
University,	308	625	349	636	590	780	11
Deep	351	625	370	636	590	780	11
Learning	372	625	407	636	590	780	11
using	409	625	429	636	590	780	11
Rectified	431	625	465	636	590	780	11
Linear	467	625	492	636	590	780	11
Units	494	625	515	636	590	780	11
(ReLU),	516	625	545	636	590	780	11
2019,	210	636	232	647	590	780	11
7	234	636	239	647	590	780	11
febrero	241	636	269	647	590	780	11
2019,	271	636	293	647	590	780	11
[Online].	295	636	328	647	590	780	11
Available:	330	636	368	647	590	780	11
https://arxiv.org/abs/1803.08375	370	636	503	647	590	780	11
Sridhar	192	650	221	661	590	780	11
Narayan,	223	650	256	661	590	780	11
The	258	650	273	661	590	780	11
generalized	275	650	320	661	590	780	11
sigmoid	322	650	352	661	590	780	11
activation	354	650	392	661	590	780	11
function:	394	650	428	661	590	780	11
Competitive	430	650	477	661	590	780	11
supervised	479	650	521	661	590	780	11
learning,	210	660	244	671	590	780	11
ScienceDirect,	246	660	300	671	590	780	11
Vol.	302	660	316	671	590	780	11
99,	318	660	330	671	590	780	11
páginas	332	660	361	671	590	780	11
69-82,	363	660	388	671	590	780	11
1997,	390	660	412	671	590	780	11
[Online].	414	660	447	671	590	780	11
Available:	449	660	487	671	590	780	11
https://www.	489	660	542	671	590	780	11
sciencedirect.com/science/article/pii/S0020025596002009	210	671	444	682	590	780	11
Universidad	49	730	94	741	590	780	11
EIA	96	730	108	741	590	780	11
/	110	730	113	741	590	780	11
Rev.EIA.Univ.EIA	115	730	175	741	590	780	11
11	536	734	549	749	590	780	11
Clasificación	66	40	113	51	590	780	12
de	114	40	124	51	590	780	12
cáncer	126	40	151	51	590	780	12
cervical	152	40	182	51	590	780	12
usando	183	40	211	51	590	780	12
redes	213	40	234	51	590	780	12
neuronales	235	40	278	51	590	780	12
convolucionales,	279	40	341	51	590	780	12
transferencia	343	40	393	51	590	780	12
de	395	40	404	51	590	780	12
aprendizaje	406	40	450	51	590	780	12
y	452	40	456	51	590	780	12
aumento	458	40	492	51	590	780	12
de	493	40	503	51	590	780	12
datos	505	40	525	51	590	780	12
Daniel	186	72	211	83	590	780	12
Godoy,	213	72	238	83	590	780	12
Towards	240	72	273	83	590	780	12
Data	275	72	293	83	590	780	12
Science,	295	72	326	83	590	780	12
Understanding	328	72	385	83	590	780	12
binary	387	72	412	83	590	780	12
cross-entropy	414	72	467	83	590	780	12
/	469	72	474	83	590	780	12
log	476	72	487	83	590	780	12
loss:	489	72	507	83	590	780	12
a	509	72	513	83	590	780	12
visual	515	72	538	83	590	780	12
explanation,	205	83	252	94	590	780	12
2018,	254	83	275	94	590	780	12
10	277	83	287	94	590	780	12
octubre	289	83	319	94	590	780	12
2019,	321	83	343	94	590	780	12
[Online].	345	83	378	94	590	780	12
Available:	380	83	418	94	590	780	12
https://towardsdatascience.	420	83	529	94	590	780	12
com/understanding-binary-cross-entropy-log-loss-a-visual-explanation-a3ac6025181a	205	94	540	105	590	780	12
Zhang	186	107	210	118	590	780	12
S.,	212	107	220	118	590	780	12
Choromanska	222	107	275	118	590	780	12
A.,	277	107	286	118	590	780	12
and	288	107	303	118	590	780	12
LeCun	305	107	329	118	590	780	12
Y..	331	107	339	118	590	780	12
Deep	341	107	360	118	590	780	12
learning	362	107	394	118	590	780	12
with	396	107	414	118	590	780	12
Elastic	416	107	441	118	590	780	12
Averaging	443	107	482	118	590	780	12
SGD.	483	107	501	118	590	780	12
Neural	503	107	529	118	590	780	12
Information	205	118	251	129	590	780	12
Processing	253	118	294	129	590	780	12
Systems	296	118	328	129	590	780	12
Conference	330	118	373	129	590	780	12
(NIPS	375	118	397	129	590	780	12
2015),	399	118	424	129	590	780	12
Vol.	426	118	440	129	590	780	12
28,	442	118	454	129	590	780	12
páginas	456	118	485	129	590	780	12
1–24,	487	118	509	129	590	780	12
2015,	511	118	532	129	590	780	12
[Online].	205	129	238	140	590	780	12
Available:	240	129	277	140	590	780	12
https://papers.nips.cc/paper/5761-deep-learning-with-elastic-	279	129	524	140	590	780	12
averaging-sgd	205	140	258	151	590	780	12
Piotr	186	153	205	164	590	780	12
Skalski,	207	153	236	164	590	780	12
Towards	238	153	271	164	590	780	12
Data	273	153	291	164	590	780	12
Science,	293	153	323	164	590	780	12
Preventing	325	153	367	164	590	780	12
Deep	369	153	389	164	590	780	12
Neural	391	153	417	164	590	780	12
Network	419	153	452	164	590	780	12
from	454	153	473	164	590	780	12
Overfitting,	475	153	518	164	590	780	12
2018,	205	164	226	175	590	780	12
10	228	164	238	175	590	780	12
Octubre	240	164	271	175	590	780	12
2019,	273	164	295	175	590	780	12
[Online].	297	164	330	175	590	780	12
Available:	332	164	370	175	590	780	12
https://towardsdatascience.com/preven-	372	164	531	175	590	780	12
ting-deep-neural-network-from-overfitting-953458db800a	205	175	431	186	590	780	12
Srivastava	186	189	225	200	590	780	12
N.,	227	189	237	200	590	780	12
Hinton	239	189	265	200	590	780	12
G.,	267	189	277	200	590	780	12
Krizhevsky	279	189	321	200	590	780	12
A.,	323	189	333	200	590	780	12
Sutskever	335	189	372	200	590	780	12
I.,	374	189	381	200	590	780	12
Salakhutdinov	383	189	438	200	590	780	12
R.,	440	189	449	200	590	780	12
Dropout:	451	189	486	200	590	780	12
A	488	189	493	200	590	780	12
Simple	495	189	521	200	590	780	12
Way	523	189	540	200	590	780	12
to	205	199	212	210	590	780	12
Prevent	214	199	244	210	590	780	12
Neural	246	199	272	210	590	780	12
Networks	274	199	311	210	590	780	12
from	313	199	332	210	590	780	12
Overfitting,	334	199	377	210	590	780	12
Journal	379	199	407	210	590	780	12
of	409	199	417	210	590	780	12
Machine	419	199	452	210	590	780	12
Learning	453	199	488	210	590	780	12
Research,	490	199	527	210	590	780	12
Vol.	205	210	218	221	590	780	12
15,	220	210	232	221	590	780	12
páginas.	234	210	266	221	590	780	12
1929-1958,	268	210	312	221	590	780	12
2014,	314	210	336	221	590	780	12
[Online].	338	210	372	221	590	780	12
Available:	374	210	411	221	590	780	12
http://jmlr.org/papers/v15/	413	210	524	221	590	780	12
srivastava14a.html	205	221	277	232	590	780	12
12	42	733	55	748	590	780	12
https://doi.org/10.24050/reia.v18i35.1462	400	732	539	741	590	780	12
