Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones

Permanent URI for this community

https://noesis.uis.edu.co/handle/20.500.14071/9020

Browse

Browsing Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones by browse.metadata.advisor "Alvarez Ojeda, Olga Mercedes"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Detección del carcinoma de glándula mamaria fusionando variables clínicas y termográficas
    (Universidad Industrial de Santander, 2010) Alférez Baquero, Edwin Santiago; Gualdron Gonzalez, Oscar; Alvarez Ojeda, Olga Mercedes
    Este trabajo busca clasificar una muestra poblacional de mujeres, en pacientes con y sin cáncer de mama, teniendo en cuenta la información termográfica de los senos y los datos clínicos de cada paciente. En primer lugar, se registraron los termogramas de mama y se recopiló la información clínica de cada paciente. Posteriormente, se eligió de forma manual y automática las regiones en la termografía que contienen las glándulas mamarías. En la segunda técnica se utilizó principalmente la transformada parabólica de Hough. A partir de estas zonas, se extrajeron descriptores de primer y segundo orden. Estos últimos se calcularon a partir de la matriz de co-ocurrencia, en 4 direcciones diferentes: horizontal, diagonal a 45º, vertical y diagonal a 135º. Asimismo, se preseleccionan los datos clínicos que tienen relevancia en el estudio. A continuación, se procedió a realizar la selección de variables que entran al sistema de clasificación. Se planearon tres técnicas: correlación lineal, selección secuencial de variables y discriminación mediante el área bajo la curva ROC. Sin embargo, este último es el que se aplica antes de la clasificación. Posteriormente, se aplicaron cuatro diferentes algoritmos de clasificación para cada grupo de datos: una RNA backpropagation, una red neuronal con correlación en cascada, una RNA probabilística y la técnica de agrupamiento Fuzzy C-means. Por último, se determinó la sensibilidad, especificidad y área bajo la curva ROC de cada prueba de clasificación y se compararon los resultados para cada tipo de algoritmo implementado.