Análisis de técnicas para segmentación y claificación de imágenes

El problema se basa en la reducción de cálculo computacional utilizando técnicas para identificar masas y microcalcificaciones en imágenes digitales mamográficas. Nuestro trabajo utilizó 243 imágenes de la base de datos INbreast, las técnicas fueron desarrolladas en C/C++, para masas se utilizan Median filter, umbral global, Canny y morfología matemática; para microcalcificaciones se utilizaron las mismas técnicas excepto umbral global. Los resultados obtenidos en masas fueron AUC 63.34% y en el cálculo computacional promedio tanto de segmentación y clasificación fue 2.16s, 14.60% en CPU y 28406.44kb en RAM. Asimismo, para microcalcificaciones se obtuvo AUC 89.65% y en el cálculo computacional promedio tanto de segmentación y clasificación fue 9.68s, 14.90% en CPU y 74079.30kb en RAM. Finalmente se concluyó que la unión de técnicas mejora los resultados obtenidos, pero aún no existen algoritmos óptimos que emitan con precisión la detección de cáncer de mama.

• Egile nagusia: Aguilar Yanzaguano, Katherine Salomé (author)
• Beste egile batzuk: Egas Cevallos, Carlos Andrés (author)
• Formatua: bachelorThesis
• Hizkuntza: spa
• Argitaratua: 2019
• Gaiak: INGENIERÍA DE SISTEMAS; ANÁLISIS DE SISTEMAS; CLASIFICACIÓN AUTOMÁTICA; TRANSMISIÓN DE IMÁGENES
• Sarrera elektronikoa: http://dspace.ups.edu.ec/handle/123456789/17602