Desarrollo de una librería para la clasificación de imágenes de mamografías en formato DICOM.

El cáncer de mama es una de las principales causas de mortalidad en mujeres, debido a la falta de información, concientización y en especial a la omisión de controles. Actualmente los diagnósticos son realizados por personal médico capacitado; sin embargo, puede existir la posibilidad de cometer errores humanos en los análisis mamográficos. El presente trabajo se fundamenta en la creación de una librería para para analizar imágenes médicas mamográficas DICOM con técnicas de Machine Learning. La metodología utilizada sigue los pasos como la lectura de imágenes mamográficas DICOM evaluadas con Fuzzy C-Means, K-Means, Random Forest, k-Nearest Neighbors, Support Vector Machines y Convolutional Neural Networks. Re planteamiento de los algoritmos de Machine Learning escritos en C/C++ de tal manera que se integren a la librería. Se utilizó un dataset de 150 imágenes mamográficas DICOM, y los da tos resultantes fueron comparados utilizando MatLab para verificar la tasa de error para cada algoritmo. Para la evaluación de la librería se obtienen los resultados, el error promedio entre la librería y MatLab fue de 0.7%, el benchmarking para cada técnica en CPU fue de 11.47%, para memoria RAM su uso promedio es de 300 Mb y el tiempo de ejecución fue 101 segundos en promedio. Se concluye que a pesar de que el rendimiento de la librería es aceptable, puede ser optimizado aplicando técnicas de pre-procesamiento, segmentación, extracción y selección de características reduciendo la carga computacional.

• প্রধান লেখক: Aguilar Siquigua, Wilson Bryan (author)
• অন্যান্য লেখক: Cacuango Pujota, Pablo Gabriel (author)
• বিন্যাস: bachelorThesis
• ভাষা: spa
• প্রকাশিত: 2022
• বিষয়গুলি: COMPUTACIÓN; ANÁLISIS DE SISTEMAS; PROGRAMAS PARA COMPUTADOR; LIBRERÍAS; PROCESAMIENTO DE IMÁGENES; MAMOGRAFÍA
• অনলাইন ব্যবহার করুন: http://dspace.ups.edu.ec/handle/123456789/22250