Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/21285
Title: Desarrollo de una herramienta para detección de tejido anómalo en mamografías digitales usando redes neuronales convolucionales
Authors: Moreno Álvaro, Nicole Stefany
Keywords: ELECTRÓNICA
RED NEURONAL
DESARROLLO (SOFTWARE)
Issue Date: 14-Dec-2020
Publisher: Quito, 2020.
Citation: Moreno Álvaro, N. S. (2020). Desarrollo de una herramienta para detección de tejido anómalo en mamografías digitales usando redes neuronales convolucionales. 75 hojas. Quito : EPN.
Abstract: Nowadays, convolutional neural networks have gained popularity and are increasingly used in the field of medicine, thanks to its ability to detect patterns in image classification by discerning certain specific characteristics for detecting lesions or tumors. For this work it will be used in the detection of calcifications in mammography images. This technical project uses the Mini-MIAS database that contains digital mammograms in which a preprocessing process is performed, allowing to modify its contrast and increase the number of images, and thereby providing a sufficient number of calcification mammograms. Additionally, a convolutional neural network is used together with the transfer learning technique, for which the vgg16 neural network model is used having the advantage of its previous training and the versatility of modifying and adapting it to meet the objective of performing the classification of digital mammograms containing calcifications between benign or malignant. The neural network training process was carried out with 70% of the images with calcifications and the validation of the algorithm with 30% of them. Finally, based on the confusion matrix obtained from the final model, metrics such as precision, recall, accuracy and specificity were calculated.
Description: Actualmente, las redes neuronales convolucionales han ganado popularidad y se utilizan cada vez más en el campo de la medicina, gracias a su capacidad de detección de patrones en la clasificación de imágenes al discernir ciertas características específicas de las mismas para detectar lesiones o tumores. Para este trabajo en particular se utilizará en la detección de calcificaciones en imágenes de mamografía. El presente proyecto técnico utiliza la base de datos Mini-MIAS que contiene mamografías digitales en las cuales se realiza un preprocesamiento, permitiendo modificar su contraste y aumentar la cantidad de imágenes y de esa manera contar con una cantidad suficiente de mamografías con calcificaciones. Adicionalmente, se utiliza una red neuronal convolucional junto con la técnica de aprendizaje por transferencia, para lo cual se emplea el modelo de la red neuronal vgg16 teniendo la ventaja de su entrenamiento previo y la versatilidad de modificar y adaptar el mismo para cumplir con el objetivo de realizar la clasificación de mamografías digitales que contengan calcificaciones entre benignas o malignas. Se realizó el proceso de entrenamiento de la red neuronal con el 70% de las imágenes con calcificaciones y la validación del algoritmo con el 30% de las mismas. Finalmente, en función a la matriz de confusión obtenida del modelo final se calcularon métricas como: precisión, sensibilidad, exactitud y especificidad.
URI: http://bibdigital.epn.edu.ec/handle/15000/21285
Appears in Collections:Tesis Electrónica y Control (IEC)

Files in This Item:
File Description SizeFormat 
CD 10801.pdf2,21 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.