Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/7442| Title: | Sistema de mejora de imágenes con resaltado de áreas de interés para el apoyo en la detección de cáncer de mama |
| Authors: | Ruiz Aburto, Alberto |
| metadata.dc.subject.other: | cáncer de mama cáncer mamografía imágenes GMM HMRF-EM |
| Issue Date: | 2021-12-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico Superior de Teziutlán |
| Description: | 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 |
| Appears in Collections: | Maestría en Sistemas Computacionales |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tesis de Maestría#Ruiz Aburto Alberto.pdf | Tesis | 1.97 MB | Adobe PDF | View/Open |
| Licencia de Uso#Ruiz Aburto Alberto.pdf Until 9999-04-11 | Licencia | 407.41 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
