Redes neuronales para la segmentación de imágenes médicas /

Valladarez Lojan, Angel Alexis

Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/handle/20.500.11962/27518

Title:	Redes neuronales para la segmentación de imágenes médicas /
Authors:	Jiménez Gaona, Yuliana Del Cisne Valladarez Lojan, Angel Alexis
Keywords:	Redes informáticas. Redes neuronales. Ingeniero en sistemas informáticos y computación.-
Issue Date:	2021
Citation:	Valladarez Lojan, Angel Alexis. (2021). Redes neuronales para la segmentación de imágenes médicas /. (Trabajo de Titulación de Ingeniero en Sistemas Informáticos y Computación ). UTPL, Loja.
Description:	Resumen: El cáncer de mama es una de las principales causas de muerte en mujeres. La técnica de mamografía es una de las más usadas para detección temprana de cáncer de mama, permitiendo un diagnóstico temprano de lesiones mamarias. Sin embargo, la lectura manual implica para el radiólogo una intensa carga de trabajo. Por ello se han diseñado sistemas computacionales asistidos (CAD) basados en aprendizaje profundo, para ayudar al médico a tomar decisiones. En este trabajo nos centramos en el uso de redes convolucionales para segmentar regiones de interés (ROI) como masas, tumores, microcalcificaciones y lesiones en imágenes de mamografía. Para ello se propone 1) Usar la base de datos CBIS-DDSM, 2) Obtención manual de la ROI, 3) Segmentación de la ROI mediante los algoritmos U-net y SegNet, 4) Evaluación del rendimiento de estos algoritmos mediante métricas estadísticas. Finalmente, los resultados indican que U-net supera el porcentaje de precisión 88% con respecto al de SegNet 82%. En conclusión, los resultados indican que el modelo U-net es más robusto y preciso para segmentar regiones en mama.
URI:	http://dspace.utpl.edu.ec/handle/20.500.11962/27518
Appears in Collections:	Ingeniero en Sistemas Informáticos y Computación

Files in This Item:

a0423dae-1028-4869-9463-2e4b893d3479

Show full item record