Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales

El cáncer de mama es un problema de salud pública en la mayoría de los países del mundo, dadas las altas estadísticas como causal de muerte en mujeres. La mamografía es el mecanismo médico de diagnóstico más utilizado en el proceso de detección de esta enfermedad; sin embargo, la adecuada interpretación de estas imágenes dependen en gran medida de la experticia del profesional encargado de esta tarea. A causa de esto, se hace necesario la incorporación de sistemas de diagnóstico automatizados, para lo cual se aprovecha el reciente desarrollo de algoritmos de aprendizaje automático, entre esos las redes neuronales convolucionales que permiten el reconocimiento de patrones y la extracción de características en imágenes, lo cual puede ser aplicado a herramientas computacionales que contribuyan al diagnóstico del cáncer de mama a través de mamografías. Así pues, el presente proyecto utiliza técnicas de pre-procesamientos de datos y transferencia de aprendizaje para adaptar de modelos ya establecidos a la tarea de clasificación de mamografías e identificación de lesiones, especialmente de microcalcificaciones. De esta manera, se implementa un programa computacional con una eficiencia máxima de 99.5% en la clasificación según patología y otro con una de 69.4% en la clasificación según el tipo de lesión

• Autores: Rodríguez Cardona, Julián Leandro
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2018
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/39489
• Acceso en línea: http://hdl.handle.net/1992/39489
• Palabra clave: Mamografía; Redes neuronales convolucionales; Diagnóstico por imágenes; Aprendizaje automático (Inteligencia artificial); Física
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/