Deteccion automatica de artefactos en mamografia digital

Simple item page
dc.contributor.advisorPertuz Arroyo, Said David
dc.contributor.authorAfricano Ardila, Gerson Fernando
dc.date.accessioned2023-04-06T03:39:05Z
dc.date.available2023
dc.date.available2023-04-06T03:39:05Z
dc.date.created2019
dc.date.issued2019
dc.description.abstractEl diagnóstico temprano de cáncer de seno aumenta las posibilidades de supervivencia. Por ello, es importante la implementación de técnicas que permitan su detección temprana. A partir de la mamografía y con la ayuda de algoritmos específicos se pueden extraer características del seno, tales como la proporción de tejido denso, que es un factor de riesgo ya establecido. El problema con estos algoritmos es que no contemplan que la mamografía presente artefactos, los cuales pueden alterar las medidas tomadas de la imagen. En este documento se estudian dos tipos de artefactos que aparecen en algunas imágenes: dispositivos de ampliación e implantes de seno. El objetivo de este trabajo es estudiar estrategias para la detección automática de artefactos en imágenes mamográficas. Para ello, se estudiaron 3 tipos de métodos: métodos empíricos, métodos de sub-espacios, entre los que se consideraron 3 modelos diferentes (RL paso a paso, PCA+RL y LDA+RL), y métodos basados en machine learning (SVM y boosting trees). Los mejores desempeños con cada uno de los tipos de métodos en la clasificación de las imágenes fueron, 23,18 % de error para el método empírico, 5,63 % para el método de sub-espacios (LDA+RL) y 4,5 % con machine learning (boosting tree).
dc.description.abstractenglishEarly diagnosis of breast cancer increases the chances of survival. Therefore, the implementation of techniques that allow early detection is important. From mammography and with the help of specific algorithms, breast characteristics can be extracted, such as the proportion of dense tissue, which is an established risk factor. The problem with these algorithms is that they do not contemplate that mammography presents artifacts, which can alter the measurements taken from the image. In this document we study two types of artifacts that appear in some images: enlargement devices and breast implants. The objective of this work is to study strategies for the automatic detection of artifacts in mammographic images. For this, 3 types of methods were studied: empirical methods, sub-space methods, among which 3 different models were considered (stepwise RL, PCA + RL and LDA + RL), and methods based on textit machine learning (SVM and textit boosting trees). The best performances with each of the types of methods in the classification of the images were, 23.18 % error for the empirical method, 5.63 % for the sub-spaces method (LDA + RL) and 4,5 % with textit machine learning ( textit boosting tree).
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/13431
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectArtefacto
dc.subjectCáncer
dc.subjectMamografía
dc.subject.keywordArtifact
dc.subject.keywordCancer
dc.subject.keywordMammography
dc.titleDeteccion automatica de artefactos en mamografia digital
dc.title.englishAutomatic detection of artifacts in digital mamography*
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
283.5 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
2.15 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
288.24 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica