Mejora de resolución en imágenes de ultrasonido de seno usando redes GAN.

Solano Torres, Juan Carlos; Vega Cortés, Edward Andrés

Mejora de resolución en imágenes de ultrasonido de seno usando redes GAN.

dc.contributor.advisor	Ramírez Silva, Ana Beatriz
dc.contributor.advisor	Abreo Carrillo, Sergio Alberto
dc.contributor.author	Solano Torres, Juan Carlos
dc.contributor.author	Vega Cortés, Edward Andrés
dc.contributor.evaluator	Serrano Luna, Jheyston Omar
dc.contributor.evaluator	Fajardo Ariza, Carlos Augusto
dc.date.accessioned	2023-11-11T16:05:26Z
dc.date.available	2023-11-11T16:05:26Z
dc.date.created	2023-11-10
dc.date.embargoEnd	2025-11-11
dc.date.issued	2023-11-10
dc.description.abstract	El cáncer de seno es una de las principales causas de muerte en mujeres. La detección temprana del cáncer de seno representa un factor fundamental en la lucha por eliminar este mal y esto se realiza mediante un correcto análisis diagnóstico en función de las pruebas o métodos preventivos. La radiografía de mama o mamografía, el examen de ultrasonido y la resonancia magnética nuclear, son los métodos que se emplean para el diagnóstico temprano de cáncer de seno. El enfoque en este trabajo apunta hacia el método de ultrasonido, particularmente sobre sus imágenes. La baja resolución en las imágenes de ultrasonido de seno, constituye la principal falencia al momento de efectuar un correcto diagnóstico por parte del especialista médico. La corrección o la mejora de resolución de dichas imágenes representa el reto a resolver en este trabajo de investigación, válido como trabajo de grado. Por este motivo, se plantea implementar un modelo de red neuronal artificial basado en arquitecturas de tipo GAN (Generative Adversarial Network por sus siglas en inglés) (Goodfellow et al., 2014), que logre entregar imágenes de ultrasonido de seno con mejor resolución. El diseño parte de una arquitectura y topología de red base ya existente desarrollada por (Ledig et al., 2017), la cual consiste en una red SRGAN o GAN de súper resolución. Este modelo presenta resultados de inferencia en imágenes a un factor x4 de ampliación, con una valoración en sus métricas de desempeño más cercanas al resultado de las imágenes fotorrealistas de entrada, comparadas con cualquier otro modelo generativo.
dc.description.abstractenglish	Breast cancer is one of the leading causes of death in women. The early detection of cancer represents a highly empowering factor in the fight to eliminate this illness and this is done through a correct diagnostic analysis based on tests or preventive methods. Breast radiography or mammography, ultrasound examination and nuclear magnetic resonance are the preventive methods used for the diagnosis of breast cancer. The focus in this work is towards the ultrasound method, particularly on its images. The low resolution in the breast ultrasound images constitutes the main shortcoming when making a correct diagnosis by the medical specialist. The correction or improvement of the resolution of these images represents the challenge to be solved in this valid research work as a degree project. For this reason, it is proposed to implement an artificial neural network model based on GAN (Generative Adversarial Network) architectures (Goodfellow et al., 2014), which manages to deliver breast ultrasound images with better resolution. The design builds on an existing net-based architecture and topology used by (Ledig et al., 2017), which consists of a super-resolution SRGAN or GAN network. This model presents inference results in images at a magnification factor x4, with an assessment in its performance metrics closer to the result of the input photorealistic images compared to any other generative model.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electrónico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/15279
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Electrónica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/embargoedAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_f1cf
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Ultrasonido
dc.subject	Seno
dc.subject	Red
dc.subject	Neuronal
dc.subject	GAN
dc.subject	IA
dc.subject	Resolución
dc.subject.keyword	Ultrasound
dc.subject.keyword	Breast
dc.subject.keyword	Network
dc.subject.keyword	Neural
dc.subject.keyword	GAN
dc.subject.keyword	AI
dc.subject.keyword	Resolution
dc.title	Mejora de resolución en imágenes de ultrasonido de seno usando redes GAN.
dc.title.english	Resolution enhancement in breast ultrasound images using GAN networks.
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado