Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/21768
Título: Desarrollo de un sistema de detección de tumores en mamografías mediante técnicas de inteligencia artificial.
Autor: Argoti Arcos, Roberth Miguel
Palabras clave: INTELIGENCIA ARTIFICIAL
MECATRÓNICA
Fecha de publicación: 1-sep-2020
Editorial: Quito, 2021
Citación: Argoti Arcos, R. M. (2021). Desarrollo de un sistema de detección de tumores en mamografías mediante técnicas de inteligencia artificial. 61 hojas. Quito : EPN.
Resumen: The objective of this project is to develop an algorithm with artificial intelligence techniques, such as convolutional neural networks, which were used for the detection and classification of tumors in mammograms and thus to prevent unnecessary invasive intervention in patients with possible diagnoses of breast cancer. In order to carry out this project, the MIAS database was used, which contains mammography images previously diagnosed by doctors. The segmentation of these images was carried out, thus achieving greater accuracy in the training of the proposed convolutional neural network and the validation of the network was performed with 30% of the segmented images. The percentage of accuracy achieved in the network training was 80% after performing several workouts with different characteristics to improve the percentage of accuracy.
Descripción: El presente proyecto tiene como objetivo desarrollar un algoritmo con técnicas de inteligencia artificial, como son las redes neuronales convolucionales, las cuales fueron utilizadas para la detección y clasificación de tumores en mamografías y con esto poder prevenir una intervención invasiva innecesaria en pacientes con posibles diagnósticos de cáncer de mama. Para la realización de este proyecto se utilizó la base de datos MIAS la cual contiene imágenes de mamografías previamente diagnosticadas por doctores. Se realizó la segmentación de dichas imágenes logrando así mayor exactitud en el entrenamiento de la red neuronal convolucional propuesta y se realizó la validación de la red con el 30% de las imágenes segmentadas. El porcentaje de exactitud logrado en el entrenamiento de la red fue de un 80% luego de realizar varios entrenamientos con diferentes características para mejorar dicho porcentaje.
URI: http://bibdigital.epn.edu.ec/handle/15000/21768
Tipo: masterThesis
Aparece en las colecciones:Tesis Maestría en Mecatrónica y Robótica (FIM)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
CD 11256.pdf1,58 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.