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 interpreta...
- 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/
| id |
UNIANDES2_c7c418188473c9bf9ec303795b70bc24 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/39489 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.es_CO.fl_str_mv |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales |
| title |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales |
| spellingShingle |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales Mamografía Redes neuronales convolucionales Diagnóstico por imágenes Aprendizaje automático (Inteligencia artificial) Física |
| title_short |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales |
| title_full |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales |
| title_fullStr |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales |
| title_full_unstemmed |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales |
| title_sort |
Identificación de microcalcificaciones en mamografías usando redes neuronales convolucionales |
| dc.creator.fl_str_mv |
Rodríguez Cardona, Julián Leandro |
| dc.contributor.advisor.none.fl_str_mv |
Avila Bernal, Carlos Arturo |
| dc.contributor.author.none.fl_str_mv |
Rodríguez Cardona, Julián Leandro |
| dc.contributor.jury.none.fl_str_mv |
Gómez Moreno, Bernardo |
| dc.subject.keyword.es_CO.fl_str_mv |
Mamografía Redes neuronales convolucionales Diagnóstico por imágenes Aprendizaje automático (Inteligencia artificial) |
| topic |
Mamografía Redes neuronales convolucionales Diagnóstico por imágenes Aprendizaje automático (Inteligencia artificial) Física |
| dc.subject.themes.none.fl_str_mv |
Física |
| description |
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 |
| publishDate |
2018 |
| dc.date.issued.none.fl_str_mv |
2018 |
| dc.date.accessioned.none.fl_str_mv |
2020-06-10T16:17:37Z |
| dc.date.available.none.fl_str_mv |
2020-06-10T16:17:37Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/39489 |
| dc.identifier.pdf.none.fl_str_mv |
u821567.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/39489 |
| identifier_str_mv |
u821567.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
79 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Física |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Física |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/19278809-ddd1-4131-848f-b5346d385ef9/download https://repositorio.uniandes.edu.co/bitstreams/af50e4ac-a3a9-45df-86bc-62d0ecf31bba/download https://repositorio.uniandes.edu.co/bitstreams/0e7c9f81-ca3e-4116-b4b7-5f2e5b046ad5/download |
| bitstream.checksum.fl_str_mv |
5087d910ae40016b277039a30214f831 7f434f487b1aa893d1d3ef84904ba41f 073cb72a51a1a89556b53b68ed69195f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812134000584556544 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Avila Bernal, Carlos Arturo36d44ba7-e39b-4af0-b22a-acbbe4219794500Rodríguez Cardona, Julián Leandro044ba3e6-e66c-4444-8d99-f65493d73217500Gómez Moreno, Bernardo2020-06-10T16:17:37Z2020-06-10T16:17:37Z2018http://hdl.handle.net/1992/39489u821567.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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 lesiónBreast cancer is a public health issue in most countries worldwide, given the high statistics of women deads by this cause. Mammography is the most used tool for detection process of this disease. However, the proper interpretation of these images depends on the expertise of the radiologist. Because of this, the incorporation of computer-aided diagnosis systems is necessary, especially using convolutional neural networks that allow pattern recognition in images, applying them to the diagnosis of breast cancer through mammography. Thus, the present project use data pre-processing and transfer learning to adapt some already established models with high performance to the classification of mamograms and identification of lesions, especially microcalcifications. Therefore, a computer program was developed to classify mammograms according to pathology with an accuracy of 99.5% and another to classify them according to the type of injury with an accuracy of 69.4%FísicoPregrado79 hojasapplication/pdfspaUniversidad de los AndesFísicaFacultad de CienciasDepartamento de Físicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaIdentificación de microcalcificaciones en mamografías usando redes neuronales convolucionalesTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPMamografíaRedes neuronales convolucionalesDiagnóstico por imágenesAprendizaje automático (Inteligencia artificial)FísicaPublicationTHUMBNAILu821567.pdf.jpgu821567.pdf.jpgIM Thumbnailimage/jpeg6335https://repositorio.uniandes.edu.co/bitstreams/19278809-ddd1-4131-848f-b5346d385ef9/download5087d910ae40016b277039a30214f831MD55ORIGINALu821567.pdfapplication/pdf11291056https://repositorio.uniandes.edu.co/bitstreams/af50e4ac-a3a9-45df-86bc-62d0ecf31bba/download7f434f487b1aa893d1d3ef84904ba41fMD51TEXTu821567.pdf.txtu821567.pdf.txtExtracted texttext/plain143046https://repositorio.uniandes.edu.co/bitstreams/0e7c9f81-ca3e-4116-b4b7-5f2e5b046ad5/download073cb72a51a1a89556b53b68ed69195fMD541992/39489oai:repositorio.uniandes.edu.co:1992/394892023-10-10 18:31:25.861http://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |