Detección de cáncer de cuello uterino usando técnicas de procesamiento y análisis de imágenes microscópicas
| dc.contributor.advisor | Plata Gómez, Arturo | |
| dc.contributor.author | Silva Cruz, Edwin Alberto | |
| dc.date.accessioned | 2024-03-03T16:12:41Z | |
| dc.date.available | 2006 | |
| dc.date.available | 2024-03-03T16:12:41Z | |
| dc.date.created | 2006 | |
| dc.date.issued | 2006 | |
| dc.description.abstract | Se presentan los resultados del desarrollo de un sistema de detección de cáncer de cuello uterino a partir del procesamiento de imágenes de microscopía de citología cérvico uterina. En este trabajo se muestra la metodología usada, los algoritmos desarrollados, el sistema de clasificación y los resultados obtenidos, así como la comparación con la citología cérvico uterina convencional. Las muestras usadas para el trabajo fueron obtenidas a partir de citologías cérvico uterinas, procesadas a través de un conjunto de 6 filtros cromáticos que brindan información de regiones espectrales específicas, con el fin de disponer de más información que la usual de 3 planos RGB. El sistema captura las imágenes de las muestras, realiza una rutina de segmentación usando técnicas de procesamiento multiespectral, así como métodos estadísticos de crecimiento de regiones, con el fin de separar apropiadamente el material extracelular, el material citoplasmático y el material nuclear. A partir de las imágenes segmentadas, se obtienen parámetros que permiten discriminar entre una muestra normal y una anormal en el sistema Bethesda. Para la clasificación se usa una red neuronal backpropagation con capas de 7, 5 y 1 neuronas. Esta salida de una neurona corresponde a una señal binaria correspondiente a la anomalía o normalidad de la muestra. Se descartó el uso de otros sistemas de clasificación tales como lógica fuzzy o clasificadores bayesianos debido a que la naturaleza multivariable del proceso impedía considerarlo como un problema de aprendizaje supervisado, condición importante en un método de clasificación fuzzy o bayesiano. Previamente al entrenamiento de la red se hizo una validación de los datos de entrada usando análisis de componentes principales con el fin de determinar su efectiva utilidad como variable de clasificación, así como para evitar una alta colinealidad de los datos, factor importante en la elección de parámetros de entrada en una red neuronal de clasificación. Una fracción de las muestras es usada en el entrenamiento, dejando el conjunto restante para la validación. Los resultados muestran una sensibilidad de entre 90 y 95% y una especificidad de entre 84 y 88%. Estos valores obtenidos muestran que el sistema puede ser aplicado como medio de tamizaje efectivo en el diagnóstico de cáncer de cuello uterino. | |
| dc.description.abstractenglish | The results of the development of a system of cervical cancer detection using multispectral analysis of citologic microscopy images are presented. In this document the methodology used, the developed algorithms, the classification system and final considerations are presented, as well as the comparison between the automatic screening and the conventional cervical smear screening. The samples used for this work were obtained from conventional cervical smears, processed through a system of 6 chromatic filters that give information about specific spectral regions, so to more information is obtained compared with the typical 3 layers of a RGB image. The system captures the images of the samples, realizes a routine of segmentation using techniques of multispectral processing, as well as statistical methods of growth of regions, in order to properly separate the background, the cytoplamatic material and the nuclear material. From the segmented images, there are obtained parameters used to discriminate between a normal sample and an abnormal one in the Bethesda system. A backpropagation neural network is used for the classification. It has layers of 7, 5 and 1 neurons. The output is a binary signal consisting of the classification of the sample (normal or abnormal). There weren't used other classification systems such as fuzzy logic systems of Bayesian classification systems, due to the fact that there were a lot of variables and parameters that made it difficult to implement it using one of these methods. The complexity of the problem made it considered as an unsupervised learning problem, so a neural network was more suitable for the job. Prior to the training of the neural network, a validation of the parameters was implemented, using principal component analysis so to determine their effective usefulness as a classification variable and to help a high colineality of the data, important factor in the election of the input parameters in a classification neural network. A part of the samples was used in the training, leaving the rest to the validation process. The results show a sensibility between 90 and 95% and a specifity between 84 and 88%. These values show that the system may be used as an effective screening method in the diagnostic of cervical cancer | |
| dc.description.degreelevel | Maestría | |
| dc.description.degreename | Magíster en Ingeniería Electrónica | |
| 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/20.500.14071/19027 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Industrial de Santander | |
| dc.publisher.faculty | Facultad de Ingenierías Fisicomecánicas | |
| dc.publisher.program | Maestría en Ingeniería Electrónica | |
| dc.publisher.school | Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones | |
| dc.rights | http://creativecommons.org/licenses/by/4.0/ | |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0 | |
| dc.subject | Sistema de clasificación | |
| dc.subject | Procesamiento digital de imágenes | |
| dc.subject | Cáncer de cuello uterino | |
| dc.subject | Tamizaje | |
| dc.subject | Medio diagnóstico | |
| dc.subject.keyword | Classification system | |
| dc.subject.keyword | Digital images processing | |
| dc.subject.keyword | Cervical cancer | |
| dc.subject.keyword | Screening | |
| dc.subject.keyword | Diagnostic system | |
| dc.title | Detección de cáncer de cuello uterino usando técnicas de procesamiento y análisis de imágenes microscópicas | |
| dc.title.english | Cervical cancer detection using digital microscopy images processement and segmentation | |
| dc.type.coar | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
| dc.type.hasversion | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Maestria |