Por favor, use este identificador para citar o enlazar este ítem:
https://rinacional.tecnm.mx/jspui/handle/TecNM/6012| Título : | CLASIFICACION DE LOS NIVELES DE DENSIDAD MAMOGRAFICA USANDO DIFERENTES MODELOS DE REDES NEURONALES CONVOLUCIONALES |
| Autor : | OSORIO ORTIZ, HUGO ADRIAN |
| Fecha de publicación : | 2018-03-01 |
| Editorial : | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Ciudad Guzmán |
| Descripción : | El cáncer de mama es el segundo tipo más común de cáncer en todo el mundo y las estadísticas recientes muestran que una de cada diez mujeres lo desarrollará en algún momento de sus vidas. Es importante mencionar que cuando se detecta en una etapa temprana, el pronóstico es bueno, abriendo la puerta a Sistemas de Diag nóstico Asistido por Computadora que se enfocan en la prevención de esta enfermedad. La investigación médica para la prevención del cáncer de mama ha demostrado que la densidad mamaria es un fuerte indicador del riesgo de cáncer. La clasificación de densidad mamaria es un problema en el dominio de imágenes médicas que tiene como objetivo asignar la categoría BIRADS (I-IV) del Colegio Americano de Radiología a una mamografía, como indicación de la densidad de tejido. En este trabajo se investigó la exactitud de la clasificación de la densidad mamaria de acuerdo a las categorías de BIRADS utilizando las redes neuronales convolucionales. Debido a la complejidad y consumo de tiempo que se experimentó al crear una red neuronal, se optó por utilizar la API TensorFlow. Se probaron varios modelos de redes neuronales, Inception V3, MobileNet V0.50 y MobileNet V1. El modelo con el que se obtuvieron mejores resultados en exactitud al momento de clasificar la densidad mamaria de una imagen mamográfica fue el MobileNet. Éste modelo funciona con equipos de cómputo con recursos limitados, además está pre entrenado con la base de datos ILSVRC-2012-CLS de ImageNet1. La base de datos con los que se realizaron los experimentos fue CBIS-DDSM (Curated Breast Imaging Subset for DDSM). Esta base de datos contiene imágenes con ROI (Region of Interest) en formato DICOM. Previo al entrenamiento de la red neuronal, se llevó a cabo una etapa de pre-procesamiento de la imagen con la finalidad de resaltar las zonas del tejido mamario para una mejor clasificación. Este trabajo forma parte de las actividades que se contemplan en un proyecto de investigación financiado por PRODEP para el fortalecimiento del cuerpo académico "Cómputo Paralelo/Distribuido y control", cuyo registro es ITCGUZ-CA-7 |
| metadata.dc.type: | info:eu-repo/semantics/bachelorThesis |
| Aparece en las colecciones: | Ingeniería Informática |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 11290710 Informatica.pdf | CLASIFICACION DE LOS NIVELES DE DENSIDAD MAMOGRAFICA USANDO DIFERENTES MODELOS DE REDES NEURONALES CONVOLUCIONALES | 7.73 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
