Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.yachaytech.edu.ec/handle/123456789/319
Título : Automated identification of breast cancer using digitalized mammogram images
Autor : Chang Tortolero, Oscar Guillermo
Chachalo Gómez, Bryan Patricio
Palabras clave : Detección de cáncer de mama
Aprendizaje automático
Procesamiento de imágenes
Breast cancer detection
Machine learning classifiers
Image processing
Fecha de publicación : may-2021
Editorial : Universidad de Investigación de Tecnología Experimental Yachay
Resumen : El cáncer afecta a cualquier órgano invadiendo y extendiéndose de forma incontrolada por el cuerpo. Según la Organización Mundial de la Salud, el cáncer de mama es uno de los principales cánceres que afectan a las mujeres de todo el mundo. El tratamiento oportuno de quienes desarrollan cáncer mejora el pronóstico de esta enfermedad e incluso salva vidas. Sin duda, en el diagnóstico del cáncer, la clasificación adecuada de los carcinomas en benignos, malignos y normales es una tarea compleja. Se presenta un algoritmo basado en el Diagnóstico Asistido por Ordenador (CAD) para detectar el cáncer de mama mediante mamografías. En esta implementación del CAD, se utilizan transformaciones como la binarización, el suavizado de umbrales y la operación principal, la onda de Gabor, para el preprocesamiento de las mamografías con el fin de suprimir etiquetas e información innecesaria y obtener las mejores características para la clasificación. Utilizamos técnicas como el análisis de componentes principales (PCA por sus siglas en inglés), t-distributed stochastic neighbor embedding (TSNE) y una colección de modelos de varianza estadística para identificar y reducir el espacio de características encontradas. Por último, su hace uso de la técnica de k-Nearest Neighbors para la clasificación (k-NN) del cancer.
Descripción : Cancer affects any organ uncontrollably invading and spreading along the body. According to World Health Organization breast cancer is on top of the leading cancers in affecting women around the world. Early treatment of people who develop cancer improves the prognosis of this disease and even saves lives. Unquestionably, in cancer diagnosis, the proper classification of carcinomas into benign, malignant and normal is a complex undertaking. An algorithm based on Computer Aided Diagnosis (CAD) is presented to detect breast cancer using mammograms. In this CAD implementation, transformations such as binarization, threshold smoothing and the main operation, Gabor wavelet, are used for preprocessing to suppress unnecessary labels and information and to obtain the best identifying features. We use techniques such as principal component analysis (PCA), t-distributed stochastic neighbor embedding (TSNE), and a collection of statistical variance models to identify features and reduce the feature space. Finally, we examine the k-Nearest Neighbors technique for classification (k-NN).
URI : http://repositorio.yachaytech.edu.ec/handle/123456789/319
Aparece en las colecciones: Tecnologías de la Información

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ECMC0053.pdf1.35 MBAdobe PDFVisualizar/Abrir


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