Detección de artefactos en imágenes mamográficas utilizando técnicas de Deep Learning

La detección y clasificación precisa de artefactos en imágenes mamográficas es un elemento crítico en el diagnóstico y seguimiento de patologías mamarias. Los artefactos, tanto aquellos generados durante la captura de las mamografías como los originados por errores en el procesamiento del software o problemas en los detectores, pueden distorsionar la interpretación de las imágenes y comprometer la precisión del diagnóstico. Sin embargo, la disponibilidad de conjuntos de datos con imágenes mamográficas que incluyan artefactos debidamente etiquetados es escasa, lo que dificulta el desarrollo y evaluación de algoritmos de detección y clasificación. En respuesta a esta necesidad, la creación de simuladores de artefactos se presenta como una herramienta invaluable para aquellos involucrados en el procesamiento de mamografías. Estos simuladores no solo permiten la generación controlada de artefactos, sino que también posibilitan la construcción de bases de datos que pueden ser utilizadas de forma gratuita por la comunidad académica, facilitando así la investigación y el desarrollo de nuevas metodologías en este campo. En esta investigación, se aborda la importancia de implementar sistemas de detección y clasificación de artefactos en mamografías, así como la necesidad de disponer de simuladores de artefactos para la generación de conjuntos de datos de libre acceso. Se analizan los desafíos y limitaciones actuales en este ámbito y se plantean posibles soluciones para mejorar la calidad y eficiencia del procesamiento de imágenes mamográficas, con el objetivo final de contribuir al avance de la investigación en el diagnóstico de patologías mamarias.

• Autores: Robayo Solarte, Jessica Sthefanya
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/15620
• Acceso en línea: https://hdl.handle.net/10614/15620; https://red.uao.edu.co/
• Palabra clave: Ingeniería Biomédica; Aprendizaje profundo; Cáncer de mama; Artefactos en imágenes mamográficas; Detección en imágenes diagnósticas; Mamografías; Inteligencia artificial; Deep learning; Breast cancer; Artifacts in mammographic images; Detection in diagnostic images; Mammography; Artificial intelligence
• Rights: openAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2024