Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/7059
Título : Segmentación de Masas sólidas benignas y malignas en imágenes de Ultrasonidos mediante un sistema de Aprendizaje Profundo
Autor : Vazquez Ramirez, Alexis%1143794
metadata.dc.subject.other: Cáncer de mama, Ecografía, Ruido multiplicativo, SRAD, YOLOv3, DeepLabv3+.
Fecha de publicación : 2024-02-08
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descripción : El cáncer de mama es la neoplasia más frecuente en mujeres, y uno de los tres cánceres más comunes en todo el mundo. Este tipo de cáncer se origina en los tejidos de la mama, específicamente en las células de los conductos o los lobulillos mamarios. Su análisis se basa en la aplicación de nuevos estándares de detección, un ejemplo de ello es el diagnóstico asistido por computadora, en tareas como la segmentación de masas mamográficas. Sin embargo, si bien el análisis funciona, no es inmune al error teniendo un margen considerable debido a la calidad de las imágenes. Para mejorar dicha calidad, se implementan técnicas de procesamiento en los pasos posteriores a la adquisición. Esto permite aumentar el contraste en la imagen mamográfica y ayuda a reducir el ruido aparente. Este estudio propone un sistema de segmentación de masas sólidas mediante tres módulos. El primero realiza un preprocesamiento de la imagen con el propósito de reducir el ruido y resaltar los límites de la masa mediante el filtro SRAD. Seguidamente, el segundo implementa el algoritmo de objetos YOLOv3 para delimitar la región de interés, evitando así posibles confusiones y asegurando que la red de segmentación se centre exclusivamente en la zona de interés previamente identificada. Finalmente, para el último módulo se aplica la red de segmentación semántica DeepLabv3+ exclusivamente a la región previamente delimitada por la red de detección. En este contexto, el objetivo principal de este trabajo es lograr la segmentación precisa de masas sólidas en imágenes de ultrasonido, independientemente de su forma, tamaño o naturaleza benigna o maligna. Esta metodología se presenta como una herramienta complementaria para los médicos durante el examen mamográficos y de acuerdo a los experimentos realizados obtiene resultados en un valor promedio de acuerdo al el índice de Jaccard igual a 0.89%, índice de similaridad de Dice igual a 0.94%, Precision de 0.98%, Recall de 0.99% y un F1−score de 0.98% siendo en comparativa con la implementación del modelo original DeepLabv3+ más precisos, lo que demuestra la robustez de la metodología propuesta.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece en las colecciones: Tesis de Maestría en Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MC_Alexis_Vazquez_Ramirez_2024.pdfTesis3.98 MBAdobe PDFVisualizar/Abrir
MC_Alexis_Vazquez_Ramirez_2024_C.pdf
  Restricted Access
Cesión de derechos261.93 kBAdobe PDFVisualizar/Abrir  Request a copy


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons