1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Puebla
4. Instituto Tecnológico Superior de Teziutlán
5. Maestría en Sistemas Computacionales

Título:	Sistema de mejora de imágenes con resaltado de áreas de interés para el apoyo en la detección de cáncer de mama
Autor:	Ruiz Aburto, Alberto
metadata.dc.subject.other:	cáncer de mama cáncer mamografía imágenes GMM HMRF-EM
Data:	2021-12-01
Editora:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico Superior de Teziutlán
Descrição:	El cáncer de mama representa el 14% de todas las muertes relacionadas al cáncer en mujeres, siendo un 1.6% del total de defunciones femeninas en el mundo. En México representa la primera causa de muerte por cáncer en las mujeres principalmente por atención tardía de tratamiento o por no buscar atención médica ante la presencia de síntomas de cáncer de mama, así como por diagnóstico tardío por parte del sistema de salud. Actualmente, la mamografía es la técnica más fiable para la detección de cáncer de mama y es por ello por lo que la mejora de este tipo de imágenes es de suma importancia pues representa un apoyo para médicos y técnicos radiólogos encargados de otorgar diagnósticos. En este sentido, el presente trabajo propone el desarrollo de un sistema de mejora de imágenes con resaltado de áreas de interés para el apoyo en la detección de cáncer de mama. Este sistema se basa en técnicas tales como la aplicación de un filtro medio adaptativo para eliminar el ruido de la imagen, la conversión a escala de grises mediante un filtrado de media adaptativa, el preprocesamiento de imágenes mediante la segmentación por medio de GMM (Modelo de Mezcla Gaussiana) y HMRF-EM (Modelo de campo aleatorio oculto de Markov) y la maximización de expectativas, todo ello con el objetivo de clasificar la mastografía como normal, benigna o maligna. Los resultados obtenidos demuestran que cuando se emplea el sistema desarrollado, es decir, cuando se trabaja con mastografías normalizadas, se obtiene un 100% de efectividad en cuanto a las clasificaciones, mientras que con mastografías no normalizadas el porcentaje de efectividad se ve disminuido a un 19%. Debido a esto se recomienda trabajar con mastografías normalizadas, para que la efectividad en cuanto a clasificaciones y detección de anormalidades en la mama sea más precisa.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece nas colecções:	Maestría en Sistemas Computacionales

Este registo está protegido por copyright original. Ver licença

Este registo está protegido por Licença Creative Commons