Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/4931
Title: | Multi clasificación de los niveles de densidad mamográfica con programación genética |
Authors: | Vargas Cárdenas, Ninderlisbhet |
Issue Date: | 2019-08-01 |
Publisher: | Tecnológico Nacional de México |
metadata.dc.publisher.tecnm: | Instituto Tecnológico de Ciudad Guzmán |
Description: | El cáncer de mama es el más frecuente en las mujeres, al igual que el cervicouterino y el de piel. Las investigaciones médicas para la prevención del cáncer de mama han demostrado que la densidad mamaria es un fuerte indicador del riesgo de cáncer. La densidad puede evaluarse a través de la clasificación propuesta por el Colegio Americano de Radiología (ACR). La presente tesis tiene como objetivo mostrar los resultados obtenidos de la multi clasificación de los niveles de densidad mamográfica utilizando la programación genética. La clasificación multi clase parte de un conjunto de características de textura de las imágenes mamográficas. Se han implementado diversos métodos de extracción de características y de clasificación. Las características de las imágenes son la entrada para los clasificadores. Para los experimentos, se utilizó la base de datos de mamografías de INbreast. Los resultados muestran buena clasificación, donde se ha alcanzado un 70 % de efectividad de clasificación de los niveles de densidad mamográfica a través de la programación genética. Lo anterior se ejecuta en un ambiente paralelo que agiliza la obtención de resultados que servirán como apoyo a los médicos para realizar un diagnostico fiable del riesgo de cáncer. |
metadata.dc.type: | info:eu-repo/semantics/masterThesis |
Appears in Collections: | Tesis maestría en ciencias de la computación |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2017_2019_Tesis_NinderlisbhetVC.pdf | 4.9 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License