Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/handle/20.500.11962/29121
Title: Machine Learning y clustering para detección de cáncer de mama a través de imágenes de mamografía
Authors: Jiménez Gaona, Yuliana Del Cisne
Freire Hidalgo, Jimmy Mauricio
Keywords: Técnicas radiológicas
Diagnóstico
Seguridad y salud
Estudio
Ingeniero en electrónica y telecomunicaciones
Tesis y disertaciones académicas
Issue Date: 2021
Citation: Freire Hidalgo, Jimmy Mauricio. Jiménez Gaona, Yuliana Del Cisne.(2021). Machine Learning y clustering para detección de cáncer de mama a través de imágenes de mamografía . Universidad Técnica Particular de Loja
Description: Resumen: El aumento de casos de cáncer de mama a nivel mundial, está provocando altos índices de mortalidad. Actualmente existen diferentes técnicas radiológicas de cribado usadas para su diagnóstico y detección temprana, entre las más usadas está la mamografía por su bajo costo y mínima exposición radiológica del paciente. Sin embargo, estas técnicas requieren de una lectura manual por parte del radiólogo, que, por varios factores como el cansancio, ruido, contraste de la imagen, características morfológicas de la mama, el exceso de imágenes puede provocar errores de diagnóstico. Por tanto, en este trabajo se realiza un estudio para pre-procesar imágenes de mamografía de la base de datos mini-Mammographic Image Analysis Society (MIAS), mediante la aplicación de técnicas de filtrado clásicas (Median, Wiener y Gauss) para eliminar los tipos de ruido más comunes de las mamografías (salpimienta, motas y ruido gaussiano), para mejorar la calidad de la imagen y obtener una mejor segmentación de lesiones tumorales o regiones de interés. Finalmente, La segmentación se realizó mediante técnicas de agrupamiento como k-means.
URI: http://dspace.utpl.edu.ec/handle/20.500.11962/29121
Appears in Collections:Ingeniero en Electrónica y Telecomunicaciones

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.