Diseño e implementación de un algoritmo de segmentación del seno para mamografías digitalizadas

Galvis Gómez, Gabriela

Diseño e implementación de un algoritmo de segmentación del seno para mamografías digitalizadas

dc.contributor.advisor	Pertuz Arroyo, Said David
dc.contributor.author	Galvis Gómez, Gabriela
dc.contributor.evaluator	Castillo Bohórquez, Jeison Arley
dc.contributor.evaluator	Sepulveda Sepulveda, Franklin Alexander
dc.date.accessioned	2023-03-04T14:49:14Z
dc.date.available	2023-03-04T14:49:14Z
dc.date.created	2023-03-03
dc.date.issued	2023-03-03
dc.description.abstract	En la actualidad, una de las herramientas que se utilizan para la detección temprana del cáncer de mama es la mamografía, la cual se divide en dos tipos: digital y digitalizada. La principal diferencia entre estas consiste en el formato de adquisición que poseen, lo que con lleva a que ambos tipos de imágenes posean características diferentes, tales como el rango dinámico, ruido estructural, entre otras. Las mamografías suelen contener el músculo pectoral, el cual es necesario eliminar debido a que posee una intensidad similar a la del tejido mamario. Para esto se utilizan los algoritmos de segmentación, los cuales se encargan de separar el tejido mamario y la pared pectoral. Debido a las diferencias entre los tipos de mamografías, estos algoritmos trabajan adecuadamente en imágenes digitales, pero presentan problemas al momento de utilizar imágenes digitalizadas. Por consiguiente, para llevar a cabo el análisis computarizado de este tipo de imágenes es necesario contar con algoritmos que sean afines con mamografías digitalizadas. Por esta razón, este trabajo se enfocó en el diseño e implementación de un algoritmo que permitiera segmentar el músculo pectoral en imágenes digitalizadas de la base de datos mini-MIAS. Para esto, se llevó a cabo un preprocesamiento de las imágenes con el fin de mejorar la calidad y eliminar objetos indeseados. Después se utilizó la técnica de segmentación por crecimiento de regiones (RG) para segmentar el músculo pectoral de la imagen. Posteriormente, se utilizaron técnicas de posprocesamiento de imágenes para mejorar los resultados obtenidos y finalmente, se realizó la evaluación del algoritmo utilizando como medidas de rendimiento el accuracy y el coeficiente de similitud de Dice. El algoritmo desarrollado logró un rendimiento del 89.16% en la media del coeficiente de similitud de Dice y un 88.04% en la exactitud, cada uno con una desviación estándar de aproximadamente el 6%. Los resultados obtenidos demuestran la eficiencia del algoritmo para eliminar el músculo pectoral en la mayoria de las imágenes.
dc.description.abstractenglish	Currently, one of the tools used for early detection of breast cancer is mammography, which is divided into two types: digital and digitized. The main difference between these consists in the acquisition format, which means that both types of images have different characteristics, such as the dynamic range, structural noise, among others. Mammograms often contain the pectoral muscle, which needs to be removed because it has a similar intensity to that of breast tissue. For this, segmentation algorithms are used, which are responsible for separating the breast tissue and the pectoral wall. Due to the differences in characteristics between the types of mammograms, these algorithms work adequately in digital images, but present problems when use digitized images. Therefore, to carry out the computerized analysis of this type of images it is necessary to have algorithms that are compatible with digitized mammography. For this reason, this work focused on the design and implementation of an algorithm that would allow the segmentation of the pectoral muscle in digitized images from the mini-MIAS database. For this, a pre-processing of the images was carried out in order to improve the quality and eliminate unwanted objects. The region growing (RG) technique was then used to segment the pectoral muscle in the image. Subsequently, image post-processing techniques were used to improve the results obtained and finally, the evaluation of the algorithm was carried out using the Dice’s coefficient similarity and the accuracy as a performance measure. The developed algorithm achieved a performance of 89.16% on the mean of the Dice's coefficient similarity and 88.04% in the mean of the accuracy, each with a standard deviation of approximately 6%. The results obtained demonstrate the efficiency of the algorithm to eliminate the pectoral muscle in most of the images.
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/20.500.14071/12382
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/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
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-nd/4.0/
dc.subject	Algoritmo
dc.subject	Mamografía
dc.subject	Músculo pectoral
dc.subject	Segmentación
dc.subject.keyword	Algorithm
dc.subject.keyword	Mammography
dc.subject.keyword	Pectoral muscle
dc.subject.keyword	Segmentation
dc.title	Diseño e implementación de un algoritmo de segmentación del seno para mamografías digitalizadas
dc.title.english	Design and implementation of a breast segmentation algorithm for digitized mammograms
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
dspace.entity.type