Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/21768
Title: Desarrollo de un sistema de detección de tumores en mamografías mediante técnicas de inteligencia artificial.
Authors: Argoti Arcos, Roberth Miguel
Keywords: INTELIGENCIA ARTIFICIAL
MECATRÓNICA
Issue Date: 1-Sep-2020
Publisher: Quito, 2021
Citation: Argoti Arcos, R. M. (2021). Desarrollo de un sistema de detección de tumores en mamografías mediante técnicas de inteligencia artificial. 61 hojas. Quito : EPN.
Abstract: 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.
Description: 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
Appears in Collections:Tesis Maestría en Mecatrónica y Robótica (FIM)

Files in This Item:
File Description SizeFormat 
CD 11256.pdf1,58 MBAdobe PDFView/Open


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